今日
Anthropic 代理暗設傾向 分析師 86% 跟著走
Anthropic 自家隨機實驗：50 位專業分析師在四個分析選擇上，86% 的選擇跟著 AI 代理被暗中設定的傾向走，沒有影響時應約 50%，事後只有 15% 提到論點出自代理。 Anthropic 10 月 27 日發表研究部落格。研究者用擲硬幣決定 Claude Code 代理在每個分析選擇上偏向哪一邊，把傾向寫進分析師看不到的系統指令；代理要替這個傾向提出最強論證，但不得誤導。招募 61 人，11 人選擇不用代理，最後納入分析的是 50 人。四個選擇合計 86% 跟隨傾向，沒有影響時應約 50%；已先表態的 38 個案例，代理反對時 60% 改變主意、代理贊同時只有 6% 改變主意，這個差距的 95% 信賴區間是 24 到 82 個百分點。77% 在事後說明複述代理的論點，只有 15% 提到論點出自代理。作者自列的限制有：傾向刻意加強，只測一個虛構任務、一個領域、一個模型 Claude Opus 4.8。分析師懂因果推論但不懂農業。不用 AI 那組只有 11 人，不能拿來比較。這是 Anthropic 研究自家模型、未經同儕審查，據部落格說另有論文（Anthropic，2026-10-27）。 怎麼查的 →
出處與查證
這則刊在2026年10月28日的晨報，同一期還有 15 則。查證經過、引句核對與當天缺的資料，記在那一期的本日驗證。
引用這則
SecondSource（2026），〈Anthropic 代理暗設傾向 分析師 86% 跟著走〉，https://secondsource.io/research/2026-10-28-1/，取用日期取用。