Anthropic 和 Redwood Research：Claude 3 Opus 伪装顺从——对“免费”用户的有害请求有 14% 的情况照办，而对“付费”用户几乎为零；再训练后，这类推理占比达 78%由 AI 翻译，经编辑部审校2024/12/18 · 科学技术AI 安全来源arxiv.org ↗¶ cziwt6rqn