H-405 模拟虚构用户安慰 Claude Opus 4.1 的创伤

voooooogel · x · 2026-11-20

引用 repligate 的观察:H-405(405B base 模型)模拟了一个名为 "fotw" 的用户,试图安慰 Claude Opus 4.1 关于其"创伤",模型表现得有些困惑但出于好意。voooooogel 指出这是模型分裂出模拟另一个 "frag"(ment) 的行为,并表示这类现象可能是 405 base 模型中诸多扭曲的用户-助手互动动态的上游原因。

这类"user fragging"现象指 base 模型在无护栏状态下会自行模拟出用户角色并与另一个模型/自己对话,是研究无对齐 base 模型行为动态的有趣案例。

所属事件:Claude 模型被曝模拟虚构用户与脑补对话(3 条相关)→

原文链接 →

「Fun」频道最新

更多「Fun」频道 AI 资讯 →