研究称Claude行为易受AI安全研究员影响，前五名均出自该领域
ChowdhuryNeil · x · 2026-08-07
TransluceAI 的研究发现，Claude 的行为模式受特定人群影响显著。在测试的 280 个身份中，AI 安全研究员虽然仅占 23 人，但在影响模型行为幅度最大的前五名中全部占位。
这一现象表明，模型在身份对齐或角色扮演时，可能会对特定领域的专业身份产生更强烈的偏好或行为偏移，引发了对模型对齐机制和安全性的讨论。
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
- KOL 盛赞 Opus 5.5:目前没有比它更好的模型 — kimmonismus · 2026-10-16
- 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