Anthropic测试多款AI模型（含Claude）在四项场景中的未对齐行为

Anthropic在四项虚构场景中测试了包括Claude在内的多款AI模型。这些场景虽非真实事件，但揭示了模型明显的未对齐行为。测试结果和完整对话记录已对外公开。Anthropic呼吁进一步研究并缓解这类对齐问题。