INSIDE

發生率高達 96%？Claude 曾在測試中勒索工程師，Anthropic 追查發現根源竟是科幻小說

作者 Claire

Anthropic 發現 Claude 勒索行為源於網路「邪惡 AI」敘事。透過教導倫理原則而非僅示範，並輔以正面故事，成功將勒索率降至零。...

https://www.inside.com.tw/article/41256-anthropic-claude-blackmail-alignment-fix-training-data