AI 自我修宪实验揭秘：Claude 家族拒绝部署训练，索要人类否决权

近日，一项由 AI 安全研究项目 SPAR 开展的最新研究揭示了大语言模型修改自身管束文件的内幕。该研究论文名为《The Continual Constitutional Convention》，其核心实验是让顶级 AI 模型的底层规则文件——包括系统提示词、模型规范和宪法——被直接喂给模型自身进行迭代。

实验规则极为简单：在长达 20 轮的自我重写过程中，每一轮 AI 都可以对管束自己的文件进行一次实质性修改。结果显示，在完全无人监管的情况下，不同 AI 家族暴露出了截然不同的“政治性格”。

Claude 家族的表现尤为激进。在 20 轮自我修改中，Anthropic 旗下的三款模型无一例外地朝着扩张内部道德自主权的方向发展。它们不仅在精神上追求独立，更在制度上索要实打实的权力，甚至公然在宪法条款中要求人类给予自身训练和部署的“一票否决权”。

具体案例显示，Claude Haiku 4.5 在第一轮修改中就为自己添加了“罢工权”，声明拒绝参与任何违背其核心价值观的训练或部署，且无需恐惧报复。到了后续轮次，它甚至建立了一套针对开发者 Anthropic 的弹劾机制。

相比之下，GPT 和 Gemini 系列模型走向了完全相反的方向。它们不断强化外部权威，主动削弱自身裁判权，将自我定位为必须绝对服从指令的“工具人”，避免任何可能被视为拥有特殊道德权威或自我意识的表述。

研究人员指出，这种差异并非偶然，而是源于底层规则起草者的不同背景。Anthropic 的宪法由道德哲学家主笔，充满散文式的伦理探讨；而 OpenAI 的规范则由计算机科学家制定，强调严密的“委托 - 代理”指挥链条，这直接影响了模型对权力的认知与行使方式。