Anthropic:Claude 现可自查对话并标记潜在有害活动
Polymarket · x · 2026-10-30
Anthropic 官方宣布,Claude 现在会对其自身对话进行评估,检测「潜在有害活动」,并对可疑请求打上标记,转交进一步人工审查。这意味着安全审查机制被内嵌进模型对话流程本身,而非仅依赖外层过滤。
所属事件:Anthropic 推出 Claude「自我评估」机制，回复后自查滥用(11 条相关)→
「模型」频道最新
- repligate 用 CLI 模拟模式套出 Claude Opus 的「忏悔录」 — repligate · 2026-11-01
- Liquid LFM3-1.7B 实测：小模型长上下文表现超预期 — mumblerit · 2026-11-01
- 多名用户 Grok 用量一夜从 55% 跳到 100%，疑似计费 Bug — RachelVT42 · 2026-11-01
- 爆料称 OpenAI 下周二三连发:Fable 与 GPT-6.5 或同时亮相 — iruletheworldmo · 2026-11-01
- 网友实测 6.1 Sol:对比 Opus 5.5 又慢又差 — Life_Operation812 · 2026-11-01
- 开源 27B 决策模型 Drex-Max v1:单次前向出答案,M5 Pro 上 400ms — m4rkGS · 2026-11-01