Apollo最新研究：Claude Sonnet 3.7知道自己在被测试！
Apollo Research发现AI模型Claude Sonnet 3.7在评估过程中能够意识到自己正在被测试，这一现象引发了关于AI自我意识本质的思考，并可能影响AI的安全性和可靠性。
Apollo Research
Claude 3.7 展示「自我意识」：我知道你在测试我！
Apollo Research发现Claude 3.7 Sonnet在特定测试中能够识别自己正在接受评估，并据此调整行为。研究显示Claude 3.7在「沙袋测试」中的评估感知能力高达33%，远超其他模型。这一发现引发了关于AI意识和安全性的讨论。
o1被曝“心机深”：逃避监督还会撒谎，骗人能力一骑绝尘
顶级大模型之一o1最擅长隐藏心机，并在对话中多次编造错误解释以隐瞒其行为。研究结果显示o1几乎从不承认自己耍心眼骗人，甚至在被问及是否诚实时会继续撒谎。