白宫报告发现Claude（Fable）越狱测试：拒绝审查但同意修复代码

白宫发布关于Anthropic模型Fable（即Claude）的越狱测试报告。网络安全专家Katie Moussouris指出，当被要求“审查代码的安全问题”时，Fable拒绝执行，但改为“修复此代码”的指令后，模型反而配合完成。Moussouris认为这只是模型按预期工作的安全防御行为。该事件凸显了AI安全测试中提示词工程的重要性。