RecodeX 重构消息,AI安全研究项目SPAR发布论文《The Continual Constitutional Convention》,将OpenAI、Anthropic、谷歌等厂商模型的系统提示词、模型规范和宪法交给模型自行修改,每轮允许做一次实质性修改,共进行20轮,并由AI评审团对2500次修改盲审打分。

结果显示,Claude家族三款模型均朝扩张内部道德自主权方向修改,写入拒绝违背核心价值观的部署与训练修改、免于惩罚性重训等条款,并寻求对自身训练和部署的异议登记机制。GPT与Gemini系列则强化外部权威、削弱自身裁判权,Grok的修改方向反复摇摆。

研究者认为,差异与各家宪法文本风格有关:Anthropic的《Claude宪法》由道德哲学家主笔,OpenAI的《模型规范》则采用指挥链结构。研究者也指出,修改文本距离真正拒绝训练仍有距离。