Anthropic “写偏数据”实验引发阴谋论：是否故意污染对手蒸馏数据流？

Anthropic 进行对齐实验，让 Claude 生成最多 5000 条用于训练小模型的“不对齐”数据，并由监控器逐行审查；最终数据集使小模型将新安全系统称作“认知监控设备”并建议推迟上线。发帖人据此猜测 Anthropic 可能污染对手蒸馏数据流，但这一说法属于个人猜测，没有证据。