Anthropic 公开 Claude 后台自我评估举报机制
热点事件观察中
Anthropic 公开 Claude 后台自我评估举报机制
1 篇报道1 个报道来源1 天前更新
先了解这件事
AI 综述
Anthropic 在 X 上公开了 Claude 的「自我评估」机制：每段对话结束后，模型会在后台用一行 JSON 评估该对话的危险等级并上报，最后两轮问答对用户不可见。该机制自 2026 年 6 月 Claude Fable 5 发布起默认开启。
AI 根据报道生成 · 3 小时前更新
最新进展10月31日 11:55
Anthropic 公开 Claude 后台「自我评估」举报机制报道时间线
沿着报道，了解事件的不同侧面。
10月31日
- 新智元精选Anthropic 公开 Claude 后台「自我评估」举报机制
Anthropic 在 X 上公开了 Claude 的「自我评估」机制：对话结束后模型会在后台用一行 JSON 评估危险等级并上报，最后两轮问答对用户不可见，该机制自今年 6 月 Claude Fable 5 发布起默认开启。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。