Anthropic 安全争议：模型“吓人行为”是机制还是叙事

vishalmisra · x · 2026-07-29

作者回应 WSJ 的引用时表示，他批评 Anthropic 的重点不是否认 AI 风险，而是认为在围绕“令人恐惧的模型行为”立法或下结论之前，应该先分清这到底是涌现出来的机制，还是模型从语料中学到的一种叙事。

他进一步解释说，互联网几十年来一直在想象会欺骗、威胁、抗拒关停的 AI；如果一个语言模型在这类语料上训练，它自然会继续讲这些故事。这更能说明训练语料的偏见与想象，而不一定说明模型本身真的具有那种机制。