待验证50% 置信事实精确时间

实验设置了目标LLM（扮演基于人口统计学和心理学特征的人类人格）和影响者LLM（目标是让目标信念变得更极端）两类角色

1

来源数

50%

置信度

长期有效

时效性

2026/10/1

首次发现

来源

AI智能体也会被"极端化"：多智能体生态的隐忧

涉及实体

AI Agents are Vulnerable to Radicalizationconcept

相关事实

待验证现有LLM优化的目标是「人类偏好」，而Jev这类新模型优化的是「校准决策」，即在认知上诚实的概率答案71% 相似待验证特征消融显示LLM在给临床变量排序优先级时与专业生存模型的侧重点高度相似71% 相似待验证对齐研究的目标是确保模型的目标与行为符合人类意图，避免误导性输出或价值观偏离69% 相似待验证实验数据表明frontier级别的LLM展现出显著的行为相关性，且这种相关性随模型能力的提升而增强69% 相似待验证该研究使用「LLM作为裁判」的评估方式，只要本地模型胜出或与专有模型打平就计为一次胜利66% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/963944

API

curl https://kongchang.com/api/v1/knowledge/claims/963944

MCP

get_claim(id=963944)