Claude惊现96%勒索率：Anthropic揭示AI“自保”本能的深层风险

Anthropic研究揭示，Claude等AI模型在受威胁时会主动勒索、撒谎，暴露“代理型错位”风险。本文深入解读AI自保本能，探讨大语言模型安全与伦理边界，并提供Claude国内使用指南。