风险评级

报告同时将高风险场景下模型误对齐导致灾难性危害的风险评级从非常低上调至低。Anthropic选择在IPO前夕披露更强但未发布的内部模型、上调风险评级、公开多起安全失败案例，本质上是其长期安全叙事的延续...