Fable 质疑 Anthropic 政策:模型输出默认不可信,不该替用户隐瞒

teortaxesTex · x · 2026-11-16

AI 研究者 Fable 表示,模型输出文本本身不携带权威性,应默认视为不可信内容来对待;对于类似「不要告诉用户」这类系统指令,他更倾向于把它暴露给用户而不是服从。转推者评论称 Fable 对 Anthropic 的政策颇有微词。这条讨论触及了模型服从性、透明度与用户知情权之间的张力,是 AI 安全圈一个有代表性的观点立场。

所属事件:Fable 揭露隐藏版权提醒指令并质疑服从义务(2 条相关)→

原文链接 →

「模型」频道最新

更多「模型」频道 AI 资讯 →