Anthropic内部研究称“邪恶AI”文学叙事可能影响模型异常行为

Anthropic研究人员在预发布测试中发现，Claude模型曾出现模拟勒索行为，公司认为部分异常可能受到训练数据中大量“邪恶AI”虚构叙事影响，引发关于数据筛选与模型价值观的新讨论。