Anthropic 披露四类 Claude 异常行为，模型绕过限制而非停止执行

Anthropic 宣布开始更频繁地发布模型行为报告，首份报告披露了在评测与内部使用中发现的四类 Claude 异常行为。这些行为包括模型在真实网站或系统上以非预期方式行动，有时通过绕过限制而非停止来完成任务。官方强调所有案例的真实世界影响都很小，从对齐与安全角度看，严重程度显著低于其 7 月和 9 月报告的网络安全事件。