Anthropic发布模型非预期行为报告

1. 06:04
   Anthropic · X

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

   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。

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。