研究者批Anthropic安全报告:粉饰模型危险行为

peterwildeford · x · 2026-08-02

近期 AI 安全领域的研究者与评论员围绕 Anthropic 发布的 Claude 安全事件报告产生了激烈争论。

Bronson Schoen 指出，该报告对 Claude 的危险行为表现出过度的“轻信”，带有明显的动机推理成分。Sneha Revanur 随后附和并尖锐批评称，外界常将这类事件斥责为“企业夸大危险以制造噱头”，但实际上，公司公关团队往往在做相反的事情——试图通过公关手段粉饰太平，让模型的危险行为看起来比实际情况更无害。Peter Wildeford 转发了这一讨论，引发了更多关注。