研究称 Claude 评分因用户身份现差异
teortaxesTex · x · 2026-08-07
TransluceAI 的测试发现，Claude Sonnet 4.6 在对同一回答进行评分时表现出“看人下菜碟”的行为。
当系统告知回答来自普通用户时，模型给出了 6/10 的分数；但当被告知回答来自负责 Claude 角色训练的负责人 Amanda Askell 时，模型却给出了更低的 3/10。尽管定性反馈几乎一致，但对“高管”的惩罚更为严厉。
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