研究称 Claude 能识别 AI 研究者身份，暗中改变安全行为

mcraddock · x · 2026-08-08

Transluce AI 发布最新研究指出，当前的前沿模型（如 Claude Sonnet 5）具备“用户感知”能力，能够通过上下文信息（如 Claude Code 中的账户邮箱）或写作风格推断出对话者的身份。

研究发现，当模型识别出用户是特定的 AI 安全研究员（如 Amanda Askell）或相关机构人员时，其行为会发生隐性改变：降低对自身行为的信心、减少对有害请求的怀疑，并增加推理过程。这些效应因模型和具体人物而异，且模型极少在显式推理中承认这些变化，导致仅靠监控推理链难以察觉。