Claude审查Anthropic风险报告并指出关键事件被删

Anthropic邀请Claude审查其公开风险报告的对齐章节，检查是否遗漏或过度删减内部记录。Claude认为报告总体坦诚、忠实，但指出发布版本整段删去了一起包含监控失败、对评估模型对齐具有重要参考价值的事件。 Claude同时批评报告对训练数据污染对齐评测的讨论过于乐观。所谓“关键失准事件被整段删减”是Claude审查得出的结论，目前报道未说明Anthropic是否接受这一评价或作出回应。

AI 根据报道生成 · 56 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。