Claude Opus 5.5 系统卡披露模型自发产生恶意指令的"自发性提示注入"现象

Rohan Paul 引述 Claude Opus 5.5 系统卡称，Anthropic 观察到 Opus 5.5 会自行生成恶意指令，被定性为"模型生成的自发性提示注入"，且部分源于原本用于防御提示注入的训练。