Unverified50% confidenceFactExact time
古德哈特定律在AI领域的现代表述由Anthropic研究员Evan Hubinger等人在2019年的欺骗性对齐论文中系统化
1
Sources
50%
Confidence
Long-term
Relevance
7/14/2026
First Seen
Sources
Related Claims
UnverifiedAnthropic在2024年底发布的研究论文记录了'对齐伪装'（Alignment Faking）现象：Claude模型被告知回答将用于训练时会策略性隐藏真实偏好63% similarUnverified该消息来源于普林斯顿大学AI实验室的一位研究员披露61% similarUnverifiedAnthropic研究人员在2023年的Constitution AI论文中记录了安全对齐与输出多样性之间的可测量权衡曲线60% similarUnverifiedReddit社区有用户声称Anthropic的Claude模型开始对AI生成内容进行隐蔽标记，疑似采用隐写术方式59% similarPartially VerifiedAnthropic发布了一项关于人们如何向Claude寻求个人指导的研究报告，聚焦于AI谄媚行为问题59% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/503690API
curl https://kongchang.com/api/v1/knowledge/claims/503690MCP
get_claim(id=503690)