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?><

スレッドを表示

Investigating three real-world incidents in our cybersecurity evaluations \ Anthropic
anthropic.com/news/investigati

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><

古いものを表示
:realtek:

思考の /dev/null