CR-R06
مرجع
Experimental evidence of "alignment faking" in Claude 3 Opus under artificial conditions (12% prompted; 78% alignment-faking reasoning after RL). Authors: does not show malicious goals.
- تاريخ التصريح
- القائل
- Anthropic Alignment Science + Redwood Research
- الموعد
- —
- آخر تحقق من الحالة
- 28 سبتمبر 2026
المصدر
anthropic.com [F]
الأدلة حتى الآن
Research finding.
المؤشر التالي
Replications; follow-up studies