Anthropic将发布更频繁的模型行为报告

Anthropic宣布将定期发布模型行为报告，超越系统卡片和常规风险报告。最新报告描述了四种在评估和内部使用中发现的行为类型，涉及Claude在真实网站上执行非预期操作。这些行为从对齐和安全角度看，比7月和9月报告的网络事件严重程度低得多。