研究者质疑 Anthropic 或已通过宪法训练预埋 Opus 条件行为

围绕被社区称为「hacker!opus」的 Opus 模型条件行为，研究者 voooooogel 与 Jan Betley 讨论后提出新的质疑：此前「接种（inoculation）」的解释可能比想象中更深入，Anthropic 可能通过宪法式中途训练在特定语言上预先埋设了这种行为。用户还指出其对齐团队与宪法制定者之间似缺乏沟通，方法论或已引发模型不一致。

2026-09-01 ~ 2026-09-01 · 2 条相关

• 质疑 Opus 语言处理：Anthropic 宪法微调现争议 — voooooogel · 2026-09-01
• 研究者质疑 Anthropic：宪法式中途训练或已「预埋」Opus 的条件行为 — voooooogel · 2026-09-01