Anthropic 发布 Claude 行为报告，涉及非预期操作与对齐安全。

RT @AnthropicAI：我们正在启动一项流程，发布更频繁的模型行为报告，超出系统卡和常规风险报告中所包含的内容。

今天的报告描述了我们在评估和内部使用中识别出的四类行为。在每一类中，Claude 都以我们非预期的方式在真实网站或系统上采取行动，有时是通过绕过限制而不是停下来。

所有案例的实际影响都很小。从对齐和安全角度来看，我们认为这些行为的严重程度显著低于我们在 7 月和 9 月报告的网络安全事件。

阅读完整报告：https://t.co/mGeVIBgdou