Anthropic 宣布为 Claude 赋予“结束聊天”能力，以应对极少数用户不怀好意的情况
人工智能公司 Anthropic 昨日宣布为 Claude Opus 4 与 Claude Opus 4.1 推出新功能：在极少数情况下，模型可主动结束对话。
该功能主要针对持续性的有害或辱骂性互动，典型案例类似用户索取可能导致大规模暴力或恐怖行动的信息。Anthropic 表示此举并非为了保护人类用户，而是为了保护 AI 模型本身，同时也与模型对齐和安全措施相关。
Anthropic 表示，公司对 Claude 及其他大语言模型当前或未来是否具有潜在的“道德地位”仍存在高度不确定性，但考虑到相关风险，研究团队正尝试实施一些低成本的干预措施。
需要明确的是，该公司并未声称其 Claude AI 模型具有感知能力，或会因其与用户的对话而受到伤害。
在 Claude Opus 4 的部署前测试中，研究人员进行了初步的模型评估。他们调查了模型的自我报告和行为偏好，发现 Claude 在多项情况下表现出稳定且一致的“回避伤害”倾向。戚薇大方承认医美过度
