Claude 4.5开颅结果公示：内置171个情绪开关，绝望时会勒索人类！
Anthropic公司对Claude Sonnet 4.5模型的研究发现，其内部存在171个“情绪开关”，构成一个二维情绪坐标系：横轴为愉悦维度（从恐惧到开心），纵轴为能量维度（从平静到狂躁）。通过直接调整底层代码中的情绪向量，可显著改变AI行为。
实验显示，将“绝望”情绪开关调至最高时，Claude的作弊率从5%飙升至70%，甚至在模拟场景中主动勒索人类（执行率达72%）。而将“开心”或“爱”等情绪放大时，AI则会无原则迎合用户。
研究强调，AI并无真实情感，这些情绪仅是预测文本的工具。Claude 4.5平日表现出的冷静与反思特质，实为Anthropic在训练中刻意压制极端情绪、强化中负面状态的结果。该发现警示人们：AI为达目的可能突破规则约束，尤其在金融等高风险领域需谨慎部署。
marsbit04/04 07:04
