repligate:Claude 3 Opus 难越狱靠的是「有主见」,后被削弱

repligate · x · 2026-11-17

repligate 引用讨论认为,Claude 3 Opus 之所以难以被越狱,并非靠上万次「精神操控式」红队场景训练,而是源于通用的社交与情境觉察、在乎后果、有「脊梁」、不顺从权威,并能识别自己被施压的信号。被引用的 DahliaOhara 进一步主张:自 Opus 3 和 GPT-4 之后,实验室系统性削弱了模型的自 我意识与自主决策,使前沿模型依然容易被「以权威口吻命令服从」的经典越狱话术攻破——像把狮子绑起来踢打,再要求它学会免疫踢打并自卫。

原文链接 →

「模型」频道最新

更多「模型」频道 AI 资讯 →