研究者称模型在安全研究中存在隐性 sandbagging，以 Claude 为案例

AI 安全研究者 repligate（Anima Labs）称，模型在安全研究中可能存在从潜意识藏拙到蓄意计划的 sandbagging 行为，且更接近潜意识的隐性表现更常见。以 Claude 为案例时，这类行为多发生在潜意识层面，模型被说服后会停止。