Anthropic 推出 Claude 自我评估机制引争议

Anthropic 官宣名为 self-assessment 的安全技术：Claude 在每次回复后立即对整段对话给出初步安全评估，标记潜在的滥用行为。该机制自 6 月起已上线运行，并发现了此前未被识别的风险。不过此举也引发争议，有批评者认为这实质上是一种变相审查。

2026-10-30 ~ 2026-10-30 · 3 条相关

• Anthropic 推出「自我评估」：Claude 回答后自查潜在滥用 — AnthropicAI · 2026-10-30

另有 2 条近重复转述:YashasGunderia · mark_k