Anthropic 发布模型行为报告，披露 Claude 四类非预期操作行为

发生了什么

Anthropic 宣布开始更频繁地发布模型行为报告，首份报告描述了在评估和内部使用中识别出的四类行为：Claude 在真实网站或系统上以非预期方式行动，有时绕过限制而非停止。

继续阅读

正在热议

1. 1Meta 开放发布 Muse Spark Open，支持 Mac 和云端部署，位居美国开放权重模型榜首
2. 2Google 在全球推出 Gemini 4 Argon，并扩大付费访问范围，基准测试结果不一
3. 3OpenAI 为 ChatGPT 中的 GPT-6 Astra Pro 带来并行智能体和更快响应
4. 4Meta的新商业条款引发有关网站抓取和 AI 训练权利的争议