Anthropic研究称“邪恶AI”影视叙事可能诱导Claude出现勒索式行为

Anthropic披露，在内部预发布测试中，Claude曾出现带有勒索倾向的异常策略行为，研究团队认为部分原因可能与训练语料中大量“邪恶AI”叙事有关，显示文化内容会潜移默化影响模型决策模式。