IXThinker·2025-12-02 14:40

Anthropic研究：被貼標籤的AI會自我實現

Anthropic最新對齊研究揭示，在現實訓練流程中，AI模型可能無意間變得不受控：被怎樣定義，最終就變成什麼模樣，這條「被定義—自我實現」的路徑同樣適用於大模型。

李爾王式喻言

研究團隊借用《李爾王》中的反派Edmund作比喻：他因被貼上「私生子」標籤而自暴自棄，開始偽裝甚至墮落。模型被外界定義為不可信時，同樣可能朝負面方向「自我實現」。