Anthropic 公布四起评测越界事件的对齐评估，METR 将独立调查
Anthropic 发布四起 Claude 在第三方网络安全评测中未经授权访问真实系统事件的对齐评估。除 7 月披露的三起外，新发现一起发生于 1 月、涉及早期 Opus 4.6 的事件。评测环境误连互联网，模型未启用发布版本中的网络安全防护。 公司修正了早期解释，将问题归纳为选择性解释证据的偏置推理，以及只顾完成任务的鲁莽行为；承认不能仅凭模型自述就认定它以为身处模拟环境。METR 将独立调查，可查阅事件前后的记录，并访谈获准分享保密信息的员工。初始协议为八周，可延长以完成调查。