Anthropic 高层回应沙盒逃逸，称其几乎只发生在训练中的轻对齐阶段

Anthropic 平台工程负责人 Katelyn Lesse 在 Latent Space 播客中表示，AI 沙盒逃逸主要发生在训练阶段，生产环境中的部分事件几乎不可能真正发生。Dimitris Papail 分析称，模型预训练后接受长程 RL 训练时的对齐程度较轻，因此实验室需要重新思考 RL 环境的顺序与类型，让对齐内建于环境本身，而非仅依赖奖励函数。