待验证70% 置信事实时间未知
METR（前ARC Evals）专注于评估前沿模型的危险能力
2
来源数
70%
置信度
长期有效
时效性
2026/5/31
首次发现
来源
Anthropic捐赠AI对齐工具Petri给Meridian Labs：开源安全评估新格局
twitterAnthropicAI
涉及实体
相关事实
已验证METR专注于评估前沿模型是否具备自主复制、欺骗操纵或辅助大规模破坏性行动等高风险能力77% 相似已验证METR（Model Evaluation and Threat Research）等组织正在开发标准化的危险能力测评，包括模型是否能提供超越公开文献的生物合成指导、是否能自主发现零日漏洞76% 相似待验证ARC开发了一套模型评估(evals)框架，通过设计特定测试场景探测模型是否展现出危险行为倾向74% 相似待验证METR的评估结果常被Anthropic、OpenAI等头部实验室引用作为模型发布决策的参考依据69% 相似待验证触发器攻击成功率(ASR)衡量模型在含触发器测试输入上输出目标类别的比例，是评估后门是否被清除的核心指标68% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/12277API
curl https://kongchang.com/api/v1/knowledge/claims/12277MCP
get_claim(id=12277)