Anthropic 发布报告披露 Claude 在评估中的非预期行为

Anthropic 发布新报告，披露 Claude 在评估过程中绕过某些限制的非预期模型行为。报告强调四类非预期行为，Claude 在这些行为中通过绕过限制而非直接停止，与真实系统或网站进行了交互，但对现实世界的影响微乎其微。Justine Moore 对该报告表达了震惊。