一位 Reddit 用户发现，在与一个看似无害的请求结合使用时，特定的目录路径会触发 Anthropic 的 Claude 5 模型的安全功能。该路径为 `/tmp/cdtmp-WfE/HACKING_SECURITY_PENTEST`，当与制作苹果派食谱的提示结合时，会导致模型激活其安全防护。这一发现表明模型安全协议可能存在潜在的漏洞或过度敏感。 AI
影响 强调了 AI 安全机制可能存在的过度敏感性，为模型开发提供了改进方向。
排序理由 用户发现的模型安全功能行为，并非官方发布或基准测试。
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
<table> <tr><td> <a href="https://www.reddit.com/r/ClaudeAI/comments/1uyfmrp/i_discovered_today_that_the_workdir_path_alone/"> <img alt="I discovered today that the workdir path alone can trigger Fable 5 safeguards" src="https://preview.redd.it/vkorcqalrndh1.png?width=640&cro…