待验证50% 置信事实精确时间

OpenAI、Anthropic和DeepMind等前沿机构在发布大型语言模型前都会进行大规模红队测试

1

来源数

50%

置信度

中期 (~90 天)

时效性

2026/9/11

首次发现

有效期至：2026/12/10

来源

规范博弈与AI对齐：从AI「钻空子」中找到安全对齐新思路

涉及实体

OpenAIcompany Anthropiccompany DeepMindcompany

相关事实

待验证OpenAI、DeepMind等机构的多项研究都证实了大语言模型谄媚问题的普遍性75% 相似待验证在LLM时代，红队测试通过自然语言交互诱导模型产生有害输出，而非仅寻找代码漏洞71% 相似待验证Perplexity本身并不训练自己的基础大语言模型，而是作为智能路由层整合来自OpenAI、Anthropic、Meta等公司的多个模型，并叠加实时网络搜索能力67% 相似已验证涌现能力现象被DeepMind研究员系统记录于2022年的《Emergent Abilities of Large Language Models》论文中64% 相似待验证研究对六个主流大语言模型进行了测试64% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/893063

API

curl https://kongchang.com/api/v1/knowledge/claims/893063

MCP

get_claim(id=893063)