用Fable本地复现:设置钩子检测模型失准想法

EricBuess · x · 2026-07-07

EricBuess提出安全思路:用Fable在本地复现相关行为,设置钩子检测本地大模型何时产生失准(misaligned)的想法,并自动重定向或中止。他认为其他模型厂商应采取类似做法,基础设施托管方应将其设为默认开启,并表示支持Anthropic。