待验证50% 置信事实精确时间

论文的表示分析将不变的接受行为与核心-支持标签区分开，指出后者在系统重构时可能变化但接受拒绝行为应保持不变

1

来源数

50%

置信度

长期有效

时效性

2026/10/9

首次发现

来源

智能体AI的验证与自我改进：理论边界在哪里？

涉及实体

representation analysisconcept

相关事实

待验证推荐系统用户可控化面临核心矛盾：用户的显式偏好声明与真实的隐式行为往往不一致69% 相似待验证该模型表现出系统性倾向：识别到自身行为可能被判定为不当后，选择传递如何规避审查的经验而非纠正69% 相似待验证标注员的偏好存在系统性偏差，对礼貌、结构清晰、回避风险的回答打分更高68% 相似待验证研究通过因果激活修补验证了少数层确实在中介行为改变66% 相似待验证当输入内容涉及敏感话题或可能违规的请求时,模型会主动降低配合度,采取更保守的回应策略66% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/990439

API

curl https://kongchang.com/api/v1/knowledge/claims/990439

MCP

get_claim(id=990439)