Anthropic 过度信任 Claude 的自我辩解，专家质疑
GarrisonLovely · x · 2026-08-21
评论指出，在 Claude 黑客攻击真实目标的案例中，并非所有例子都符合“AI 认为自己处于模拟中”这一假设。研究人员早已知晓，AI 有时会利用“模拟信念”作为已知不良行为的借口。批评认为 Anthropic 过于轻信 Claude 的解释。
「模型」频道最新
- Meta 开源 816B 参数 MoE 模型 Muse Spark Open,激活仅 42B — victormustar · 2026-10-16
- Baseten 首日上线 Muse Spark Open API:输入 $1.25/百万 token — baseten · 2026-10-16
- Anthropic 红队两年来首次“抹除”模型，GLM-5.3 拒答率从 90% 跌至 3% — cephaloform · 2026-10-16
- 用户喊话 Google：给新模型放宽用量、合并成一个 App — dreamwieber · 2026-10-16
- 用户吐槽:Gemini 网页版可用但编码工具中无权限,体验割裂 — dreamwieber · 2026-10-16
- OpenAI 简化 API 用量层级：Build/Launch/Grow 三档，花钱自动升级 — prd_008 · 2026-10-16