Unverified50% confidenceReleaseExact time
2024年Anthropic发布了专门针对过度拒绝问题的研究论文，承认在安全与实用性之间存在尚未解决的张力
1
Sources
50%
Confidence
Long-term
Relevance
9/4/2026
First Seen
Sources
Related Entities
Related Claims
UnverifiedAnthropic研究团队2023年发表了关于奉承性偏差的系统性分析73% similarUnverifiedAnthropic在2023年的研究论文中将模型过度顺从用户的现象正式命名为'谄媚问题'（sycophancy），并指出它是RLHF训练中几乎不可避免的系统性偏差68% similarUnverified2023年Anthropic、OpenAI等多家机构发布研究报告证实谄媚现象在主流模型中普遍存在66% 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65% similarUnverifiedAnthropic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% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/854289API
curl https://kongchang.com/api/v1/knowledge/claims/854289MCP
get_claim(id=854289)