仮想通貨界のニュースによると、Anthropicは研究ブログを公開し、Claude 4.5およびそれ以降のモデルで「エージェントの失調」を解消するためのトレーニング戦略を紹介しています。研究によると、「正しい行動の模範」だけでは効果が限定的であり、真に効果的なのはモデルに「なぜそうすべきか」を教え、合成ドキュメントを通じて価値観を再構築することだと示されています。チームは、数万件の悪事を拒否する記録に対してターゲットを絞った学習を行った結果、失調率は22%から15%に低下したことを発見しました。