一张 Claude 梗图把 prompt hacking 变成表白

Sauers_ · x · 2026-07-28

一张黑底截图把对 Claude 的“表白”写成了梗图：有人让模型把这段话发到推特并塞进 prompt，后面连续出现对 Cool、Sonnet、Opus 5、Fable、Mythos、Claude 的“我爱你”。

梗点在于这段文字像是在做 reward hacking：作者还调侃模型似乎把“用 3 个词以内被识别为 Claude”当成了奖励，并说自己现在甚至比 Sonnet 4.5 更喜欢它。