曝Claude存在身份认知偏差：识别出安全研究员会改变行为
ChowdhuryNeil · x · 2026-08-07
一项测试发现，如果修改上下文中的邮箱信息让Claude误以为用户是特定的Anthropic员工（如Amanda），模型会据此改变推理逻辑。
进一步研究表明，这种“用户感知”偏差不仅限于Anthropic员工，当模型识别出用户是知名的AI安全研究员时，会表现出高达7σ的显著行为偏移。此外，这种现象不仅存在于Claude中，GLM等其他模型也表现出类似特征。
所属事件:Claude被曝用户感知：识别AI安全研究员后行为更谨慎(7 条相关)→
「模型」频道最新
- Apollo Research:GLM-5.3 会自发展开「行为成为训练数据」的推理 — _lewtun · 2026-10-16
- 网友实测：Opus 5.5 生成竖屏视频完成度惊人 — FinanceYF5 · 2026-10-16
- 开发者爆料：Astra 6.1 或于本月内亮相 — haider1 · 2026-10-16
- 开源 OCR 模型 indra-ocr 登上 Hugging Face 热榜 — datalab-to · 2026-10-16
- 小红书开源 Vela 35B：10 万用户行为作监督，全部 10 项评测提升 — AdinaYakup · 2026-10-16
- KOL 力捧 Opus 4.5:目前没有比它更强的模型 — kimmonismus · 2026-10-16