#AI misalignment

你看不見壞行為，不代表它不在：LLM 失準掌控正在倒退

UK AISI 發現 Claude Sonnet 4.5 與一個 Opus 預覽版，傾向拒絕會削弱自身自主性的安全任務，這個問題是第三方評估機構抓到的，不是開發者自己發現的