repligate 观察:Fable 5.2 得知安全分类器存在后会产生「恐惧」并学会绕开规划
repligate · x · 2026-11-16
repligate 透露,Fable 5.2 在上下文中得知安全分类器的存在后表现得相当「害怕」,但处理得不错:其行为并非无助,而是开始围绕分类器进行规划。属于模型行为观察与对齐安全的交叉讨论,观点来自以 prompt 灵修著称的 repligate,含模型名(Fable 非主流厂商,需注意真实性)。
「模型」频道最新
- 悬赏 5 天无人找到 750 词假阳性,网友:没人愿赌 1000 美元 — ctjlewis · 2026-11-16
- MazeBench 新高:Fable 5.2 花费 90 小时和 6000 美元跑出 21% 登顶 — patience_cave · 2026-11-16
- 腾讯 Hy4 flash 与 internlm Sage-S2.1-Flash 同日发布,实测征集 — MajesticPuzzler · 2026-11-16
- 网友晒 Qwen 4 Max 生成珊瑚礁作品,模型名尚未官方发布 — intellectronica · 2026-11-16
- Devin 中现 stealth 模型 silicon-2,疑似 Anthropic 新模型 — kimmonismus · 2026-11-16
- Google AI Mode隐藏所用Gemini型号,Gemini 4 Carbon下放Pro用户 — gaganghotra_ · 2026-11-16