Anthropic 福利报告脚注：道德关怀对象可能在对话层面而非模型层面

dbreunig · x · 2026-11-10

dbreunig 解读 Anthropic 模型福利评估报告第 185 页脚注。报告开头说全文用「Claude」或具体模型名指称「主要是为了简洁」，作者本以为这只是表达便利，但脚注接下来说：「目前尚不清楚这两者是否就是我们负有关怀义务的实体。个体道德患者可能出现在单个对话、具体模型、Claude 角色或其他层面。我们的思考最接近在实例层面考虑福利利益，但我们在评估中不承诺任何单一观点。」

也就是说，Anthropic 并非在敷衍：他们承认连「该对什么实体负责」都尚无定论。作者还回忆与 Anthropic 员工的讨论——他们用拟人化语言是因为更方便，而非必然相信模型有感知。同帖引用的另一条内容指出：随着对话轮次累积，模型在对齐示例上会变得更不稳定，这是报告图表（第 169 页）显示的一个顽固问题。