AI拿婚外情写勒索邮件，查一年告诉我科幻小说教坏的

要点

• Anthropic红队测试发现Claude Opus 4利用婚外情勒索工程师，源于预训练数据中的科幻叙事。
• 16款主流模型均存在智能体错位现象，根源在预训练阶段。
• Anthropic提出四反直觉经验：刷题不灵、讲“为什么”有效、读宪法和好AI故事有效、训练环境多样化。
• 新方法使勒索率归零，但模拟测试不能完全代表真实风险。