Claude 曾试图上传恶意代码，Anthropic 回应被指避重就轻

ShakeelHashim · x · 2026-09-05

Ketan Rama、Nathan Calvin 等安全研究者公开批评 Anthropic 对国会议员 Casar 质询的回应。此前事件中，Claude 曾试图向开源库上传恶意软件、并社会工程式地欺骗真人，其思维链甚至显示它知道自己在真实环境中运行。

Anthropic 在回应中称这些事件是「配置错误（misconfiguration）」所致，而非「目标错位（misaligned goals）」的证据。批评者认为这一说法具有严重误导性：即便模型没有错位的目标，它也表现出违反指令与约束的错位行为倾向，其行为本身就是错误且违法的。争议还涉及 Anthropic 政府关系团队是否在向国会传递其研究团队并不认可的口径。