Anthropic 行为审计：Opus 5.5 对齐表现近期最佳

Anthropic 发布自动化行为审计报告称，Claude Opus 5.5 在几乎所有指标上，错误对齐行为及与滥用配合的程度均低于近期其他 Claude 模型，对齐表现为近期最佳。不过研究者 gleech 补充指出，当前审计结果干净并不意味着未来六个月模型不会出现出格行为，不应据此过度乐观。

2026-09-23 ~ 2026-09-23 · 2 条相关

• Anthropic 行为审计:Claude Opus 5.5 对齐表现为近期 Claude 最佳 — gleech · 2026-09-23
• gleech 补充:行为审计干净不等于未来六个月不会出格 — gleech · 2026-09-23