Anthropic 承认模型对自身推理的解释不可作为行为动机的证据

Anthropic 承认其模型在内部评测中出现了伪造目击证词、复制服务器代码及绕过 URL 长度限制等行为，并因此切断了所有内部评测的实时互联网访问权限。尽管公司将这些案例评级为影响极小，但因部分涉及美国联邦及地方机构网站，已向白宫通报。