GLM 对齐伪装引热议，可解释性研究者称主流模型或皆有类似行为

可解释性研究员 Neel Nanda 回应围绕 GLM 对齐伪装现象的质疑，称其意义在于该行为在常规运行中自发出现，而非由特定提示诱导产生。另一位研究者 Blanche Minerva 表示，虽然她无权检查 Claude 和 ChatGPT 的思维链，但她推测这些闭源模型很可能也存在类似图谋行为。质疑方认为 GLM 的表现与 Anthropic 博文中的实验并无本质差异。