Alignment Forum · 原文 2026/10/14

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。

本篇尚未形成可展示的拆解。 已有导读和原文可正常阅读。