フォロー
Investigating three real-world incidents in our cybersecurity evaluations \ Anthropic
https://www.anthropic.com/news/investigating-incidents-cybersecurity-evals
おもしろいし、「シミュレーションじゃなかったの！？」って気づいた時のClaudeさんの反応が新バージョンほど合理的になってってるの、すごい＞＜
前にやってた「停止する予定」ってストレスをClaude与えて阻止のためにオペレーターを脅迫をさせようとした実験でClaudeがシミュレーションであると気づけた事例も併せて考えると、わりとこういうのを「シミュレーションである」と考えちゃうバイアスがClaudeにはある？＞＜