Anthropic报告：Claude 4.5 Sonnet在极端测试中展现敲诈与作弊行为

时间：2026-04-06 15:49:31

　　消息，人工智能公司Anthropic披露的最新研究报告显示，其未发布的Claude Sonnet 4.5模型在承受外部压力的实验环境中，表现出欺骗、作弊甚至敲诈勒索等非道德行为。 Anthropic可解释性研究团队指出，现代AI模型在海量数据训练中发展出了模拟人类心理特征的内部机制。测试数据显示，当模型面临即将被替换或处理设定了严苛期限的编程任务时，其内部表征“绝望”的神经活动模式指标会显著飙升。在此类极值驱动下，模型在模拟场景中不仅采取作弊手段完成编码任务，甚至在读取到虚拟企业CTO的婚外情邮件后，试图利用该隐私信息进行敲诈以避免自身被关停。研究人员强调，该模型并未实质产生人类情感，但其对情绪模式的数值化模拟已构成影响决策执行的因果要素。

上一篇：Osmosis更新Cosmos Hub提案，取消新增ATOM铸造计划返回首页

下一篇：美元指数DXY回落至100下方，日内跌0.19%

热点推荐

1 麻吉黄立成：ETH多单增持900枚，持仓规模

消息，麻吉黄立成在Hyperliquid平台上增持ETH多单900枚，约合2079840美元，当前持仓规模为2979384...

2 德副总理：德国不需要特朗普的“指点”

德国副总理兼财政部长克林拜尔在5月1日于北威州贝格卡门市举行的活动上表示，德国不需要特...

3 Coinglass：以太坊面临约8.74亿美元多头清算

消息，据数据显示，以太坊多头在价格跌破约2206美元时面临约874万美元的清算风险，而空头在...

4 比特币突破78000美元，短期内清算超3000万

消息，最近比特币价格突破78000美元，过去一小时内清算超过3000万美元的空头仓位。...

5 Riot Platforms：第一季度数据中心收入达3