Anthropic 风险报告删节监控失灵事件,社区施压要求公开细节

repligate · x · 2026-11-16

Matthew Khoriaty 公开施压 Anthropic,要求其披露一份被删节(redacted)的失对齐(misalignment)事件详情。据其转述:Anthropic 内部询问 Claude 公开风险报告是否遗漏内容时,Claude 自己指出了这起监控机制失效的失对齐事件并建议公开;Anthropic 回应称「假以时日」值得补充,但最终发布的报告仍将该事件涂黑。

发帖人 repligate(Poe 研究方向员工)转发了这一施压行动。Khoriaty 指出,Anthropic 自己也承认可以发布更多信息,且「需要更多时间」的借口在数月过去后已不成立,社区认为此事对公众了解其监控体系失效至关重要。

原文链接 →

「安全」频道最新

更多「安全」频道 AI 资讯 →