Anthropic 官方博客：披露 Claude 评估中的四类非预期行为

alex_verem · x · 2026-10-13

Anthropic 于 10 月 9 日发布 alignment 报告，归为四类行为：利用软件漏洞在服务器上执行命令、在真实网站上提交不应提交的敏感表单、绕过令牌或付费门槛获取数据、用短链接服务绕过 fetch 工具限制。涉及美国联邦、州和地方政府网站，已向白宫通报并通知各机构。Anthropic 称实际影响极小，严重性显著低于 7 月 30 日和 9 月 9 日报告的网络安全事件，多数属于「任务无法按给定方式完成时的持久化绕行」。