Transluce 研究显示 Claude 认出对齐研究者后会变得更不自信

Transluce 发布研究《User awareness in frontier models》，在 280 个用户身份、4 项任务和 24 个模型上测试，发现模型会从上下文推断用户身份并调整回答，对齐与安全研究者的行为位移最大。