已验证75% 置信事实精确时间

对齐研究的目标是确保模型的目标与行为符合人类意图，避免误导性输出或价值观偏离

3

来源数

75%

置信度

长期有效

时效性

2026/9/11

首次发现

来源

GPT-6 Astra深度解读：能力、安全与AGI争议

涉及实体

相关事实

待验证对齐解决的是'模型是否按人类想要的方式行动'，而非'人类是否保留了对模型行动的最终判断权'。76% 相似待验证研究不仅考察模型推荐什么行动，还考察它给出什么理由73% 相似待验证部署大模型正确思路应先明确目标精度和目标上下文长度，再倒推所需显存，而非仅看参数量73% 相似待验证模型能否遵循人类指令（instruction following）是可控性的基础指标之一73% 相似待验证选择性消融竞争对手的缓存目标表征后，模型明显向当前客户偏移，证明目标表征对决策具有因果关系。72% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/897343

API

curl https://kongchang.com/api/v1/knowledge/claims/897343

MCP

get_claim(id=897343)