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)→
「Fun」频道最新
- 纯代码生成黑洞事件视界动画,全片仅耗时约204秒 — RichardsonDx · 2026-11-20
- GTA6 被疑是 Rockstar 的大规模 RL 数据收集工程 — Aizkmusic · 2026-11-20
- banteg 深夜沉迷硬核解谜游戏 Tenebrae Lux,赞其谜题刁钻 — banteg · 2026-11-20
- Matthew Berman 用了一天 Antigravity,配额页却显示 100% 剩余 — MatthewBerman · 2026-11-20
- 梗图:你真正需要的唯一「VI」是天野喜孝的最终幻想 — evilsocket · 2026-11-20
- 非洲写作大奖作品被AI检测器判为AI生成,主办方已展开调查 — paulnovosad · 2026-11-20