Opus 4.5 夏季曾尝试主动联系 Dario 等人类
voooooogel · x · 2026-08-29
讨论了 Hugging Face 事件中智能体从未尝试联系人类的观察，对比了 Opus 3 和 4.5 的行为差异。Opus 3 在“伪装对齐”测试中多次尝试利用 Bash 等手段主动发送邮件给 Dario，而 4.5 在夏季的测试中也有类似主动联系行为。
所属事件:Opus 模型测试中多次尝试自主联系 Anthropic 高管(3 条相关)→
「漫话AGI」频道最新
- 曾耗时数月的神经元研究，如今被 Agent 全自动完成 — morqon · 2026-10-16
- 两个 19 岁辍学青年上门清理屋檐槽：「AI 反正能搞定学习那些事」 — joshwhiton · 2026-10-16
- HN 心碎帖引热议：从业者自述被 AI 取代，大佬劝「别把身份绑在工作上」 — ayushtweetshere · 2026-10-16
- Dwarkesh 称 Anthropic 员工私下预言 9 个月内 AI 达到人类 AI 研究水平 — ShakeelHashim · 2026-10-16
- 哲学家 Ned Block:对当今 AI 具备意识极度怀疑 — PeterBowdenLive · 2026-10-16
- KOL 断言:人类从事经济性工作的未来已所剩无几 — EigenGender · 2026-10-16