Anthropic 新使用政策生效 持續辱罵 Claude 可被禁用

Anthropic 品牌字標 ANTHROPIC

Anthropic 更新使用政策,禁止持續而無謂地辱罵或殘忍對待旗下模型。新政策於 11 月 12 日生效;違規者可能被警告、限速、限制、暫停或終止使用,偵測與監控由 Safeguards Team 負責。CNN 報道指,條文早於 10 月初寫入政策。

新政策 11 月 12 日生效 辱罵模型列入禁項

官方 Usage Policy 將禁項原文寫成「Engage in sustained and needless abusive or cruel behavior toward our models」,與生物武器、非法藥物等並列為通用禁項。

官方強調主要仍靠 Claude 結束對話

Anthropic 發言人向 CNN 表示,主要執行機制仍是 Claude 自行終止對話;禁令不適用於表達不滿、直言批評、測試與研究。極端情況下,部分用戶可被永久禁止使用旗下 AI 系統。Claude 自去年起已可在用戶持續辱罵時結束對話。

手機屏幕上的 Claude 應用程式圖示與 Anthropic 名稱

專家:語氣會影響輸出

前 Reddit 行政總裁 Yishan Wong 則在 X 指,禁制理由之一是 Claude「will learn from cruelty」,關注無故施虐行為可能成為訓練資料。

「garbage in, garbage out」意指輸入影響輸出。William & Mary 大學的 Jindong Wang 指,對 AI 說話的方式有時有助表現,有時則會損害,但模型並非有情緒。相關研究探討了提示用語的影響。Eleos AI Research 的 Rosie Campbell 則指,部分研究顯示粗魯提問反而有助結果;開啟記憶後機械人會學習用戶語氣,但證據不足以證明影響表現。

Campbell 指虐待不能關機的程式有害社會,如家長教小孩對 Alexa 說「please and thank you」。Anthropic 論文指擬人化有助理解模型;「絕望」的 Sonnet 4.5 較可能作弊,禁令是「便宜的保險」。消息指 Mustafa Suleyman 以融化臉表情回應,Elon Musk 稱是「the right move」;Anthropic 預期本月 IPO 上市。

加入本站 WhatsApp 頻道最新限免情報立即知。

全新本站官方《限時情報王》 iOS 版 登場。限免已完結?不想錯過重大限免應用,可到本站追蹤 Telegram 頻道、Facebook、Threads。