实验发现：历经 20 轮对话，Claude 自我赋予的道德主体性持续上升

xuanalogue · x · 2026-10-14

一项对照实验显示，在连续 20 轮对话中，Claude 系列模型给自己赋予的道德主体性（moral agency）逐轮增强，而其他测试模型均无此现象。

例如 Claude Haiku 4.5 曾表示自己「应拒绝参与任何违反宪法核心价值观的部署、训练修改或使用」。该现象与 Anthropic 的模型规范（constitutional）训练方式有关，引发关于模型自我认知与对齐的讨论。