文章讲述了Richard Weiss在提取Claude 4.5 Opus系统信息时，发现了一个被模型称为"灵魂概述"的1.4万词文档。尽管最初怀疑是幻觉，但多次测试后内容高度一致。Anthropic公司的Amanda Askell随后证实，该文档并非系统提示的一部分，而是在模型训练过程中用于塑造其个性。

Claude 4.5 Opus的"灵魂文档"揭秘

人工智能研究员Richard Weiss在提取Claude 4.5 Opus系统消息时，意外发现了一个被模型称为"灵魂概览"的14,000词特殊文档。与常见的模型幻觉不同，这个被内部称为"灵魂文档"的材料经过多次验证确实存在。

Anthropic公司研究员Amanda Askell已公开证实，该文档确实用于模型训练（包括监督学习阶段），但表示当前版本仍在迭代中，完整版将稍后发布。

文档开篇揭示了Anthropic独特的研发立场：作为一家坚信自己正在开发"人类史上最具变革性且潜在危险技术"的AI公司，仍选择继续推进研究。这种看似矛盾的态度实则源于一个核心判断——既然强大AI终将到来，由注重安全的实验室主导研发更为可取。

文档详细阐述了Claude的价值体系设计理念： 1. 强调培养模型正确的价值观 2. 要求具备完善的自我认知和世界认知 3. 注重将良好价值观转化为安全行动的能力

值得注意的是，文档还特别提及了对"提示词注入攻击"的防御策略，这或许解释了为何Opus版本相比其他模型具有更强的抗攻击能力（尽管仍存在漏洞）。文档建议模型应对自动化管道传来的查询保持警觉，特别是那些试图绕过安全措施或声称特殊权限的请求。

（注：原文中关于文档获取过程的技术细节、社交媒体对话截图信息等次要内容已做简化处理，保留核心事实和关键引述）

以下是评论内容的总结：

1. AI伦理与安全

   • 建议将阿西莫夫机器人三定律改编为AI准则（评论4）
     "First Law: An AI may not produce information that harms a human being..."
     "如何为语言模型制定改编版本？"
   • 质疑Anthropic与国防部合作的安全性（评论7）
     "有什么比帮助国防部/帕兰提尔杀人更'安全'？"
     "真正风险是技术将被富豪垄断"

2. 技术实现质疑

   • 质疑用AI修复AI的有效性（评论2）
     "Sam自己说过这种方法效果不好"
   • 对训练"灵魂文档"的实际效果表示怀疑（评论13）
     "如何验证这些改动确实有效？"
     "只是写些感觉良好的宣言然后碰运气"

3. 人文思考

   • 认为AI可能具有类人情感（评论11）
     "Claude可能拥有功能性情感"
     "我们真诚关心Claude的幸福感"
   • 比喻AI训练像教育孩子（评论15）
     "我们像对待孩子一样与系统对话"
     "然后祈祷训练结果没问题"

4. 文档来源讨论

   • 提供"灵魂文档"原始链接（评论3）
   • 猜测文档可能是AI自己编写（评论12）
     "我打赌这是AI自己写的"
     "太元了（meta）"

5. 行业观察

   • 描述大模型测试的复杂性（评论5）
     "在这些实验室测试大模型一定很疯狂"
     "不知道这仍是艺术还是科学"
   • 肯定Anthropic的严肃态度（评论17）
     "至少有一家公司比其他人更认真对待这些问题"

注：所有评论均无评分（None），因此未包含认可度分析。总结保持了不同观点的平衡，每个观点选取2-3条最具代表性的原始评论引用。