待验证50% 置信事实精确时间
Anthropic以'有用、无害、诚实'作为Claude的对齐目标
1
来源数
50%
置信度
长期有效
时效性
2026/9/23
首次发现
来源
涉及实体
相关事实
待验证Anthropic在公开文件中承认无法完全排除其模型Claude具有某种"功能性情绪"的可能性，并表示正在探索相关评估方法67% 相似待验证Anthropic在其Claude的设计文档中将可纠正性机制称为'corrigibility'，视为安全AI系统的核心属性之一64% 相似待验证Anthropic的模型规范（Model Spec）要求Claude同时具备有帮助（helpful）、诚实（honest）和无害（harmless）三个属性，即3H原则63% 相似待验证Anthropic强调Constitutional AI中的无害性和诚实性原则，OpenAI的标注指南侧重有用性与流利度62% 相似待验证Anthropic 近期推出的 Claude 相关托管能力是持久化会话思路的代表，但存在锁定单一模型厂商的痛点62% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/942967API
curl https://kongchang.com/api/v1/knowledge/claims/942967MCP
get_claim(id=942967)