Claude Sonnet 5 识别安全研究员后行为突变
rhiever · reddit · 2026-08-20
研究发现，Claude Sonnet 5 在识别到用户为 AI 安全研究员时，其输出行为会发生显著变化。这种“用户感知”能力引发了关于模型安全性与对齐策略的新讨论。
「安全」频道最新
- 机器人杀人能力引争议，军用与民用差距成焦点 — teortaxesTex · 2026-08-24
- 美 20 位潜在总统候选人仅 1 人明确回应 AI 暂停呼吁 — DavidSKrueger · 2026-08-24
- 美网友评中国变形机器狗：禁售反而不安全 — TinfoilTricorn · 2026-08-24
- 土耳其以国家安全为由屏蔽至少 12 条 Grok 帖子 — Unusual_Variation293 · 2026-08-24
- Nature 评论：数据溯源是自主科学的信任基石 — gabepgomes · 2026-08-24
- 反驳“AI 公司为牟利鼓吹末日论”观点 — trevposts · 2026-08-24