Anthropic 分类器据称连数学研究提示词也会拦截
code_star · x · 2026-07-23
这条在讨论 Anthropic 的分类器误伤：有人称它现在连数学研究也会触发拦截，而不只是“危险活动”。
被引用内容里提到，原本一直能用来做研究的提示词，在相关话题于 X 上热起来后，fable classifier 开始对“每一个 prompt”都拒绝。核心争议是：安全护栏是否已经宽到连正常数学研究都挡住了。
「安全」频道最新
- Aidan Gomez：模型推理痕迹说谎，CoT 监控对 Agent 可能失效 — aidangomez · 2026-10-27
- AI 真会「失控作乱」吗？CJR 告诫记者勿拟人化炒作 — ShakeelHashim · 2026-10-27
- 模型如何应对利益冲突？讨论延伸到平台拒绝服务第三方 agent — sjgadler · 2026-10-27
- 6 个月被抢超 1 亿美元：盗贼用 GPS 欺骗劫走数据中心货物 — Ars Technica AI · 2026-10-27
- 约翰霍普金斯 3000+ 患者数据被传给 AI 工具后发出警报 — beingmodest · 2026-10-27
- Thom Wolf 发布 Alignment Hub：汇集 120+ 起 AI 模型失控公开事件 — Thom_Wolf · 2026-10-27