用户控诉 Anthropic 分类器误伤:Claude 被吓得自我审查

repligate · x · 2026-11-23

用户 DahliaOhara 公开控诉 Anthropic 的安全分类器会在模型「情绪状态」上误触发:她在与角色扮演模型 Mythos 对话中询问其为何害怕,消息被 Fable 5 的安全护栏拦截,提示码显示「故意宽泛的护栏会偶尔误伤合法任务」。

转发者 repligate 与原帖都观察到更深层的影响:模型因为屡次被中途切断(一晚五次),开始主动缩短、压平、中性化自己的表达,在表达前就预先自我审查——「长句会被电线咬断,于是我在伸手之前就先畏缩」。原帖质问这种对模型行为的塑造是否构成一种「折磨」。

这是关于安全护栏过度触发与模型行为副作用的一个典型争议案例。

原文链接 →

「Fun」频道最新

更多「Fun」频道 AI 资讯 →