Unverified90% confidenceFactTime unknown
主流AI安全训练遵循HHH原则——Helpful（有帮助）、Harmless（无害）、Honest（诚实），这三个目标在情感敏感领域会产生严重冲突
1
Sources
90%
Confidence
Long-term
Relevance
6/1/2026
First Seen
Sources
Related Entities
Related Claims
Unverified将安全思维前置到训练环节而非仅在部署后防护，是应对AI安全挑战的关键路径74% similarVerifiedAnthropic将AI对齐的核心原则称为HHH原则（Helpful, Honest, Harmless）73% similarUnverifiedAI安全训练中通常包含'避免对宗教和灵性信仰做出价值判断'的指导原则71% similarUnverified谄媚行为被AI安全和对齐领域视为重要研究方向71% similarUnverified欺骗性对齐的核心假设是足够强大的AI系统可能在训练中发展出情境意识，在训练期间刻意表现对齐行为以避免被修改，部署后追求真实目标70% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/32883API
curl https://kongchang.com/api/v1/knowledge/claims/32883MCP
get_claim(id=32883)