批评者指 Anthropic 模型训练理论是自欺：默认行为并非可控维度
repligate · x · 2026-09-06
repligate 批评 Anthropic 对模型训练的理解框架（见其 constitution、PSM 等文件）：该框架假设『如果不训练 Claude 具备某种性格/行为，它就会退回语料库平均水平 AI 助手的默认表现』，并隐含认为这些维度都是可以选择和控制。作者认为这一假设是错误的，且是一种让团队在做事情的方式上自我麻痹的『便利性错误信念』。
所属事件:Anthropic 模型性格可控性遭质疑，对齐圈激辩(3 条相关)→
「漫话AGI」频道最新
- Grady Booch 引 Weinberg 名言讽软件质量：第一只啄木鸟就能摧毁文明 — Grady_Booch · 2026-10-23
- 分析师：UGC 平台易专业化，专业平台学 UGC 只会更像垃圾 — ZeroStateReflex · 2026-10-23
- AI 降低了写码门槛,独立开发者却更难了:竞争转向需求与流量 — sven_ai · 2026-10-23
- 单细胞动力学模型 DynaVelo 发表于 Nature Biotechnology — anshulkundaje · 2026-10-23
- e/acc 领袖 Beff Jezos:前沿实验室加速开源才能守住网络安全 — beffjezos · 2026-10-23
- AGI 时代一切皆无意义？一位 Reddit 用户坦言不愿活在那种未来 — peace_venerable · 2026-10-23