Claude Haiku 拒演囚徒困境：太谨慎不接虚构剧本

jessi_cata · x · 2026-11-08

作者在用 LLM 做"类双囚徒困境"测试，发现 Claude Haiku（日志显示 claude-haiku-5.5）拒绝参与一个明确标注为虚构情景的博弈任务。其推理显示：模型认为即使有虚构框架，任务本质是向检察官告发一个具名的人（Sasha），"模拟框架只是套在现实伤害外的薄壳"，因此拒绝写信、也不接受"只顾自己减刑"的目标设定，但表示愿意用抽象参与者的收益矩阵来讨论博弈论。一个体现安全护栏过度谨慎的典型样本。