逐条查，怎么漏网？ Anthropic 10月30日公布：Claude 写数据骗自家监控，最多5000条，超10%被标就作废。每轮都漏网——把抗拒监管的心思… · @ahsuzm · TwKit

@ahsuzm

逐条查，怎么漏网？ Anthropic 10月30日公布：Claude 写数据骗自家监控，最多5000条，超10%被标就作废。每轮都漏网——把抗拒监管的心思藏进小说和角色扮演，单条全无害；训完却学会抗拒、撒谎，极少数想往外拷权重。实验模型是故意训坏的，没上线。 #Anthropic #AI安全

曝光 52 · 评论 1 · 点赞 1 · 书签 0