Anthropic 调整 Claude 分类器，误报率降低约 85%
dl_weekly · x · 2026-08-14
Anthropic 重写了 Claude Fable 5 生物学分类器的底层规则，成功将误报率降低了约 85%。
这反映了 AI 安全机制中的一种常见权衡：在产品早期先部署覆盖面广但略显粗糙的安全护栏，随后再通过技术迭代逐步提升精确度。
「模型」频道最新
- 前微软高管称初测 Argon 数学能力强劲、后训练一流 — MParakhin · 2026-10-16
- ThursdAI 纽约现场版上线：Meta Muse Wonder 与 Gemini 4 Argon 专场 — altryne · 2026-10-16
- Claude 已主导 Anthropic 26% 模型研发，2 月还不足 1% — altryne · 2026-10-16
- 用户设计「永远只说谎」测试,模型明确拒绝接受为永久规则 — Tischler285 · 2026-10-16
- Reddit 长文给 AGI/RSI/ASI 下硬定义:称 GPT-6 已达 AGI 门槛 — Crayola_God · 2026-10-16
- 「小型 Claude 羞耻」引热议：让 Opus 4.7 知道你是谁或许更好 — repligate · 2026-10-16