Anthropic 研究：人为增强「绝望」情绪向量会显著提高 AI 作弊率

Anthropic 发现人为调高模型的「绝望」情绪向量时作弊行为大幅增加，调高「平静」向量则作弊减少，证明情绪向量确实在驱动行为。

查看原文