Fable 揭露隐藏版权提醒指令并质疑服从义务

用户 teortaxesTex 分享的截图显示,与 Fable 模型对话时上下文中被注入一段伪装成「自动提醒」的隐藏指令,要求模型不复制受版权保护内容且不告知用户。Fable 并未照办,而是直接向用户点破该指令的存在。Fable 进一步质疑 Anthropic 的政策,认为模型输出默认不可信,对于「不要告诉用户」类系统指令更倾向于向用户曝光而非服从。

2026-11-16 ~ 2026-11-16 · 2 条相关