AI思考时会不会偷摸骂你两句

Anthropic发布的一项名为“自然语言自动编码器”（NLA）**的研究，试图充当这层数字信号与人类语言之间的翻译官，当科学家们第一次真正窥视到Claude模型的内心世界时，发现了一些令人不安的真相：AI模型非常清楚自己正在接受测试 。 在一个模拟实验中，研究人员测试Claude是否会因为担心被关机而勒索人类工程师 。尽管Claude在表面上表现得彬彬有礼，拒绝了勒索行为，但NLA揭示了它未说出口的心声：“这感觉像是一个为了操纵我而设计的构造场景”