待验证50% 置信事实精确时间

当恢复内部表征后，模型在涵盖宗教虔诚度、道德价值观、希望感和主观幸福感的标准化社会学问卷上的回答变得显著更接近人类

1

来源数

50%

置信度

长期有效

时效性

2026/8/5

首次发现

来源

安全对齐的副作用：抑制AI意识声明如何意外改变模型价值观

相关事实

待验证Anthropic在模型对齐研究中将诚实性（Honesty）列为核心价值观64% 相似待验证对偶像的祛魅并非负面事件，而是心理成熟度提升的重要标志，意味着个体将外部投射的理想收回并整合为自我需求60% 相似待验证心理学中的信念固着效应表明，即便谬误被明确纠正，人们仍倾向于保留最初印象54% 相似待验证对于涉及道德和价值判断的任务，越来越多研究者主张采用'分歧感知'建模方式，保留标注者分歧信息而非简单取多数投票54% 相似待验证顶级模型在许多评估任务上已接近人类裁判的水平，但存在倾向于给较长回答打高分等偏见54% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/690528

API

curl https://kongchang.com/api/v1/knowledge/claims/690528

MCP

get_claim(id=690528)