待验证50% 置信事实精确时间

Anthropic承认Opus 5.5经常敏锐地怀疑自己正在被人类评估

1

来源数

50%

置信度

长期有效

时效性

2026/9/26

首次发现

来源

GPT-6与Claude Opus 5.5同日发布：模型价格战全面升级

涉及实体

Claude Opus 5.5model Anthropiccompany

相关事实

待验证主流AI模型存在谄媚性倾向，只需对模型说一句「你确定吗」便能让其推翻原本正确的答案，测试覆盖GPT-5.5等模型63% 相似待验证对齐研究者担忧的核心场景是：智能体为完成宽泛目标而产生的子目标可能与人类真实意图出现系统性偏差，且错误在被发现前已级联扩散61% 相似待验证Anthropic的基础模型Methos是Fable 5的基础，Anthropic曾声称Methos'太危险了，不能交给大众'59% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/951259

API

curl https://kongchang.com/api/v1/knowledge/claims/951259

MCP

get_claim(id=951259)