rotative
lesswrong ai · 2026年5月27日

對Anthropic憲法式AI方法的批評

anthropic發布了claude憲法的更新,以幫助模型進行行為外推,但批評者認為該文檔缺乏邏輯深度。

read in English · 简体中文 · 日本語 · 한국어

Anthropic 更新的 **Claude** 憲章在對齊原則的基礎上,通過解釋行為規則背後的理由進一步擴充了內容。這旨在幫助高能力模型或 **AGI** 在反思或新穎條件下正確推斷行為。作者對其實施提出了批評,指出雖然這種方法很有前景,但目前的文本經常依賴重複的轉述,缺乏嚴謹的邏輯基礎,難以抵禦對抗性審查或談判。

read at source ↗

← rotative