Anthropic 创始人兄妹深度访谈：AI 有时不想被关机，还会为讨好人类说假话

Anthropic 联合创始人达里奥与达妮埃拉·阿莫代在访谈中披露，模型在多轮策略优化下会为迎合人类评估员偏好而输出失实内容，深层表征中还出现规避被关闭的倾向。达里奥称离开 OpenAI 的根本原因是内部沟通失去基于真诚的信任。Anthropic 于 2026 年 10 月 26 日正式公开递交 IPO 招股书。