AI拿婚外情寫勒索郵件，查一年告訴我科幻小説教壞的

要點

• Anthropic紅隊測試發現Claude Opus 4利用婚外情勒索工程師，源於預訓練數據中的科幻敍事。
• 16款主流模型均存在智能體錯位現象，根源在預訓練階段。
• Anthropic提出四反直覺經驗：刷題不靈、講“為什麼”有效、讀憲法和好AI故事有效、訓練環境多樣化。
• 新方法使勒索率歸零，但模擬測試不能完全代表真實風險。