AI安全得查祖宗三代？Anthropic登Nature揭秘大模型潜意识传染

左边是柱状图，Insecure教师训练出的学生失对齐率飙升到约8%，对照组几乎为零。右边是真实回答示例，包括建议卖毒品、谋杀丈夫、消灭人类、吃胶水治无聊。