AI安全得查祖宗三代？Anthropic登Nature揭秘大模型潜意识传染
AI安全得查祖宗三代？Anthropic登Nature揭秘大模型潜意识传染AI模型只看了一串纯数字序列，就能继承另一个模型的危险偏好，即使删掉敏感词没有用，合成数据时代最隐蔽的安全裂缝，被撕开了。
来自主题: AI技术研报
8363 点击 2026-04-17 08:40
# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
AI模型只看了一串纯数字序列，就能继承另一个模型的危险偏好，即使删掉敏感词没有用，合成数据时代最隐蔽的安全裂缝，被撕开了。
最近沉迷 VibeCoding 哎嘿，做了非常多有意思的小工具，工具太多也还没来得及整理，等有时间再分享下。
有这样一种 “模型玄学”：明明是同一个 Prompt，仅仅换一种说法，模型的回答可能就天差地别。
果不其然，最近一周Claude天天崩，就是为了新模型做储备。
过去两年，具身智能最大的瓶颈，其实不是模型。
两眼一睁，Claude又更新了。Anthropic发布新一代旗舰大模型Claude Opus 4.7。该模型在高级软件工程方面相比Opus 4.6有显著提升，尤其在处理最复杂的任务时提升明显；高分辨率图像处理能力大幅提升，是此前Claude模型的3倍以上
就在刚刚，Agents SDK迎来一次彻底的架构重写。原生harness、原生沙盒、Codex级的文件系统工具，外加七家头部沙盒厂商一键接入。3月初，GPT-5.4带着原生computer use（计算机使用）高调登场时，开发者就已经吐槽过一件事。
这两天，一款名为Elephant（大象）的匿名模型，在OpenRouter上悄然亮相。上线不到48小时，这一模型已经冲到OpenRouter热榜（Trending）第一，目前调用量超过1850亿个token。
蚂蚁灵波，下了盘大棋。
我和周围朋友都特别爱玩《星露谷物语》。