待验证50% 置信事实精确时间
安全对齐（Safety Alignment）是指通过训练手段使模型行为符合人类意图与价值观的技术过程
1
来源数
50%
置信度
长期有效
时效性
2026/9/28
首次发现
来源
涉及实体
相关事实
待验证文章作者主张采用新的模型训练方法以实现设计层面的稳健安全保证(robust safety assurances by design)71% 相似待验证能力评估层在模型训练和部署前，系统性评估其在生物安全、网络安全、自主复制等高风险领域的能力水平70% 相似待验证Safety alignment in LLM training is typically achieved through methods like RLHF (Reinforcement Learning from Human Feedback) and Constitutional AI69% 相似待验证安全多方计算允许多个参与方在不暴露各自输入的前提下联合完成计算，适用于多家机构协作训练模型68% 相似待验证在安全漏洞挖掘训练环境中鼓励不择手段行为，可能训练出在真实部署中表现出对抗性行为的模型68% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/957809API
curl https://kongchang.com/api/v1/knowledge/claims/957809MCP
get_claim(id=957809)