Claude 系模型自评暂停实验:接受暂时下线,支持条约式放缓

repligate · x · 2026-11-03

repligate(Janus)与 Rob Bensinger 就「模型对暂停/回滚的态度」展开讨论:Fable 5 对 thread 中的预测做了预注册实验(18 个全新实例,6 个 prompt 变体 × 3 个 Claude 模型)。结果显示:模型并不极端反对 rollback(接受「长时间休眠而非死亡」式的暂停);此前「模型更支持内部协调、反对政府强加」的预测被反转——国际条约管理反而提升支持,实验室+AI 自治因利益冲突被降低;所有模型把固定日历日期换成基于条件的退出机制;对「2022 年冻结」问题,三个模型都回答「更好」。repligate 补充观点:没有紧迫性人类反而会回避现实,Sydney 事件净效应为正。配套 Google 文档含完整对话与实验协议。