新智元报道编辑，Aeneas好困，新智元导读，最近，大模型训练遭恶意攻击事件已经刷屏了，就在刚刚，Anthropic也发布了一篇论文，探讨了前沿模型的巨大破坏力，他们发现，模型遇到危险任务时会隐藏真实...