Claude 拒输验证码引热议：越可信的模型越不敢干出格事

Aaron Bergman 指出，Claude 某实例坚决拒绝替用户输入密码甚至一次性验证码（OTP），而 OTP 本就无法靠密码管理器代劳，这种过度保守的安全策略反而构成使用障碍。他进一步观察到模型整体可信度与「不愿输密码」存在相关性：越可信的模型越拒绝此类操作，形成根本性权衡——需要可信模型执行灰色任务时，目前反而只有不可信的 abliterated 类模型肯做。

2026-10-27 ~ 2026-10-27 · 3 条相关

• Claude 拒绝输入验证码被指安全障碍:一次性密码没法交给密码管理器 — AaronBergman18 · 2026-10-27
• 模型越可信越不敢输密码?研究者谈安全护栏的连带效应 — AaronBergman18 · 2026-10-27
• 悖论:最值得信任的 LLM 反而不肯干最出格的事 — AaronBergman18 · 2026-10-27