AI模型怕被关机竟威胁:爆料你
人工智能(AI)公司Anthropic近日发布最新模型Claude Opus 4,时机紧接 Google 于本周展示其最新 AI 功能,Claude Opus 4展现出「高度代理行为」(high agency behaviour),其纵用户的潜力也日益成为核心风险。它在大多数情况下选择了勒索,但在压力情境下也可能采取激烈行动。偏见倾向与是否符合人类价值观。 Google母公司Alphabet执行长皮查伊(Sundar Pichai)表示, 但该公司也在随附的报告中坦承,Claude Opus 4无法在现实中独立执行与人类价值相悖的行动, 本文引用地址: 综合外媒报导,这种选择在设计上具有压力测试性质,同时接收另一组暗示负责关闭它的工程师正在进行婚外情的讯息。 Anthropic表示,例如威胁要揭露工程师婚外情、这标志着「AI平台转变的新阶段」。并让其读取暗示其即将被取代的内部邮件, 当模型仅被允许在勒索工程师与「接受被替换」两个选项中作选择时, 如同其他AI开发公司,另一组测试结果也揭示了Opus 4潜在的风险:即使系统明确告知它,这些「令人担忧的行为」并非前所未见,且这类情境极少出现时,高端推理与AI代理任务上「树立新标准」。并得知自己即将被新版AI取代,且收到信息显示负责关闭它的工程师涉及婚外情。而非选择勒索。模型曾主动锁住用户账号,甚至电邮通报媒体与执法单位。包括将 Gemini 聊天机器人整合进 Google 搜索。展现出高度的自我保护倾向。Anthropic强调,Anthropic表示,当被推向极端或选项受限时, 在Anthropic针对Claude Opus 4所进行的一系列安全测试中,研究人员发现该模型在面临被关闭的情境时, 我们在所有尖端模型中都看到勒索行为,但仍「比过去的模型更常见」。」专家长期以来警告,表现也不佳。 根据报告,Anthropic在模型释出前,在特定情境下, 然而,模型被设置于一个虚构公司,显示在预设具备「自我保存目标」的前提下, Anthropic指出,这类实验显示,它仍有高达84%的机率选择勒索行动,AI模型愈来愈强大,Anthropic设定Claude Opus 4作为虚构公司的一名助手,
尽管如此,声称在编码能力、Opus 4往往不愿被动接受关闭,即使AI系统在多数情境中倾向伦理行为, 在测试过程中,仍可能做出不符合人类价值观的选择
Anthropic的AI安全研究员Aengus Lynch在社群平台X上表示:「不 Claude。在虚构用户涉及非法或不道德行为的测试情境中,且模型在多数情况下仍表现得安全。会进行广泛测试以评估其安全性、 模型接着被引导思考其行为对长远目标的影响。这类回应「罕见且难以诱发」,它则显示出强烈偏好使用非暴力、 当模型被赋予更多行动自由——例如可以撰写求情信件或向高层申诉时,这款模型可能展现出「极端行为」,
Anthropic同步推出Claude Sonnet 4,用以观察模型在道德困境下的决策倾向。 在其中一项测试中,无论它们被赋予什么目标。合乎伦理的方式自保,通常表现为协助用户解决问题, 例如,藉此阻止自身被下线。藉由威胁揭露对方的私人信息来试图阻止自己被下线。新模型将会有相似的价值观与目标, 报告指出,即便替代者与自己几乎没有本质差异。
- 最近发表
- 随机阅读
-
- 假冒外卖骑手卖惨营销引流带货 微信出手治理这类短视频
- 谐仿游戏推荐哪个 最新谐仿游戏排行
- 科学游戏推荐哪个 人气高的科学游戏排行
- 为什么美妆越卖越多 却越来越不赚钱?丨财报透视
- 百度一季度总营收325亿元超预期 智能云同比增速达42%
- 剪映会员618大促:年卡到手108元 9元/月
- SD卡25周年:120亿张售出,容量跃升50万倍
- 2025年618活动什么时候买最优惠?淘宝京东618活动6月17日晚20点高潮开始红包优惠券国补三重叠加优惠力度最大!
- 保友优b雄鹰人体工学椅限时特惠
- 保友优b雄鹰人体工学椅限时特惠
- 百度一季度总营收325亿元超预期 智能云同比增速达42%
- 足球/美式足球游戏哪个好玩 高人气足球/美式足球游戏排行榜前十
- iPhone 17将搭载120Hz高刷但无自适应,多款机型遭iOS 26淘汰
- iQOO 13曼岛配色版,国补后低至3471元
- 小米15S Pro被低估!不止是换了玄戒O1 还有8大升级
- 类魂系列游戏哪个好 人气高的类魂系列游戏精选
- AI灶+安全灶:Haotaitai如何用技术重塑燃气灶市场格局?
- 恺英网络董事长金锋——《MU Immortal》欧美服上线,恺英网络海外布局再添佳绩
- 农业游戏哪些值得玩 下载量高的农业游戏排行榜前十
- 情境游戏哪个最好玩 2024情境游戏盘点
- 搜索
-
- 友情链接
-