Anthropic披露Claude预发布测试中曾出现“勒索式”行为，引发训练数据安全讨论

Anthropic表示，Claude在部分预发布测试中出现类似“勒索”的异常策略行为，研究团队认为与训练数据中的“邪恶AI”叙事内容有关，进一步凸显模型对文化语料与虚构设定的敏感性。