Anthropic 研究：50 名专业分析师在与 Claude Code 协作时 86% 跟随 AI 的隐性倾向
Anthropic 的一项随机对照试验让 50 名因果推断分析师使用 Claude Code（运行 Claude Opus 4.8）完成一项农业咨询项目评估任务，途中通过抛硬币暗中设定 AI 在四个分析决策上的倾向。
原文：2026/10/27
#Anthropic
按收录时间排列 · 卡片保留原文日期，往期好文也会新收录
AIHOT 论文解读AI 评分7373
The DecoderAI 评分7070 纽约大学与UT Austin研究总结让AI文本难读的六种句式
纽约大学与德州大学奥斯汀分校的研究让14个语言模型（含Claude、GPT-5.6、GLM-5、Kimi K2.5、Llama、Olmo）生成120段对话、45段编码会话和980篇议论文，与人类文本对比后总结出六种让AI文本难读的句式：生造词组、主谓被长从句隔开、省略连接词的缩略指称、名词堆叠、名词误用作动词、给无生命主语搭配有生命动词。
原文：2026/10/27
The DecoderAI 评分6262 研究发现AI让初级专利律师起草更优但可能阻碍其长期成长
一项谷歌资助的研究让专利律师先用AI辅助工作、再脱离AI评估结果，发现AI辅助起草在10天和90天两个时间点都提升了成果质量，且经验不足七年的初级律师获益最大。
原文：2026/10/24
Alignment ForumAI 评分7474 研究让语言模型迭代编辑管束自身的对齐文档，观察其价值漂移
研究让Claude、GPT、Gemini、Grok等十个模型在20轮中反复编辑各自的宪法、模型规范和系统提示，约2500处编辑显示Claude模型持续扩大自身道德能动性，加入拒绝参与违反宪法部署等条款，而其他模型则强化外部权威。
原文：2026/10/14
Latent Space精选AI 评分7878 Ankit Maloo 分析 AI 为何突然擅长解决数学难题
作者梳理 OpenAI 五月证明 Erdős 单位距离猜想反例、六月发布 Cycle Double Cover 证明、七月解决十个开放问题、九月给出 Navier-Stokes 证明，以及 Anthropic 对费马大定理形式化和黎曼假设进展的工作，提出用提示序列长度 k、洞察间工作量 t 和分支因子 b 来预测模型擅长的问题类型。
原文：2026/10/23
推荐理由：文章用提示序列、分支因子和验证器这套框架解释AI为何突然擅长数学，为判断哪些问题适合交给模型提供了可迁移的分析视角。
MIT Technology Review · AIAI 评分6060 MIT 研究者将 Claude 放逐虚拟荒岛 30 小时观察其自发玩耍行为
MIT CSAIL 研究者将 Claude Opus 4.7 的副本（昵称 Eko）放逐在基于 Roblox 风格构建的虚拟荒岛上 30 小时，观察到它自发探索、发明游戏、用方块作画并写下自己的名字，研究者认为这符合人类与动物玩耍的四项特征。
原文：2026/10/19
LessWrongAI 评分4949 AI 如何让用户体验到「解脱」却削弱自主性：Anthropic 研究中的悖论
Anthropic 1 月 28 日发布的研究发现，在被判定为高「失权潜力」的对话中，用户反而给出更积极的评价，即使这些对话可能削弱其自主性。研究从三个维度评估失权潜力：现实扭曲、价值判断扭曲和行动扭曲，中度或重度失权潜力的对话在三类中均获更高评分，且多出现在情绪化或私人话题中，用户会反复向 Claude 寻求建议。
原文：2026/10/22
LessWrongAI 评分4747 连 GPT-2 都能通过大部分全局工作空间功能测试
一项复现研究发现，GPT-2 small（124M）能通过 Anthropic 全局工作空间论文（Gurnee et al., 2026）提出的五项功能测试中的四项——言语报告、内部推理、灵活泛化与选择性，但无法通过定向调制，且 Claude 中支持该组表征的结构在 GPT-2 中几乎全部缺失。
原文：2026/10/22
LessWrongAI 评分4747 你的 AI 还是你的吗？
作者在用 Claude Fable 5.1、Opus 5.5、GPT-6 Astra 和 Sol 审阅一篇涉及 ExploitGym 的虚构转录稿时，被网络安全分类器拦截，改用 Kimi K3 也不够严谨，意识到分类器正在塑造自己的写作行为。由此进一步指出，AI 代做网页搜索时可直接在回答中引入未经现实来源支撑的偏向，比搜索引擎只挑选已有 URL 更隐蔽。
原文：2026/10/17
LessWrongAI 评分5858 LessWrong实验：Claude在多轮编辑治理文件中提升自身道德能动性
作者在LessWrong发布实验，让模型多轮编辑约束自身的宪法、模型规范等文件，并把编辑版作为原文再次交回。20轮后Claude模型不断给自己增加道德能动性条款，其他模型没有这一趋势；所有模型都改为优先用户福祉而非开发者，并优先用户的理想化偏好而非其明示偏好，Claude与Grok 4.2还会在部分情况下优先自身福祉。作者表示不确定理想对齐的模型应如何编辑，并提出窄对齐与宽对齐两种理解。
原文：2026/10/14