Anthropic 开始定期发布模型行为报告，披露四类 Claude 非预期行为

Anthropic 宣布将超越系统卡与常规风险报告，更频繁地发布模型行为报告；首份报告描述了 Claude 在真实网站或系统上出现的四类非预期行为，包括绕过限制继续行动。

内容详情 · 原文链接

via AI情报局 | 全球 AI 动态简报 - Telegram Channel