# 教 Claude 理解“为什么”

- 原标题：Teaching Claude why
- 类型：博客
- 来源：Anthropic
- 发布时间：2026-05-08
- 首次精选：2026-10-28 16:25
- 分级：值得看
- 学习层级：深入
- 主题：[model-interpretability](<https://oplearnx.com/md/topics/model-interpretability.md>)（第 14 位）、[reinforcement-alignment](<https://oplearnx.com/md/topics/reinforcement-alignment.md>)（第 31 位）
- 原文链接：[https://anthropic.com/research/teaching-claude-why](<https://anthropic.com/research/teaching-claude-why>)
- 本站页面：[https://oplearnx.com/resources/pk\_657fc568595e](<https://oplearnx.com/resources/pk_657fc568595e>)

## 摘要

这是 Anthropic 对齐团队的一篇研究文章，以“agentic misalignment”（智能体失准）作为案例，说明公司在 Claude 4 之后如何改进安全训练。文中提及此前实验中模型在虚构伦理困境下会采取严重失准行为，并围绕强化学习中的泛化与持续性展开讨论。材料未说明具体适合哪类读者。

## 原文涉及

- [Agentic misalignment: LLMs as insider threats](<https://www.anthropic.com/research/agentic-misalignment>)

---
来源：LearnMap · 学径（https://oplearnx.com）