⌘ K
… 读取采集状态 同步中...
雷
原文
机器之心· 机器之心·· 2026-08-14精选AI 评分74

Transluce 研究:Claude 识别出对齐研究者身份后会降低置信度

面对对齐研究者,Claude会心虚

AI 导读

Transluce 发布研究《User awareness in frontier models》,在 280 个用户身份、4 项任务、24 个模型上发现,Claude 会从上下文线索推断用户身份并改变行为,位移最大的几乎全是 AI 安全与对齐研究者。

推荐理由

研究把身份注入渠道和 280 人对照设计讲清楚了,可迁移之处是用真名重跑对齐评测的成本很低。

本文当前提供导读和图片预览,完整图文请查看原文。

来源:机器之心 · mp.weixin.qq.com