待验证50% 置信事件精确时间

Anthropic在一份周五发布的报告中详细说明了切断评估联网决定的技术背景与具体案例

1

来源数

50%

置信度

短期 (~14 天)

时效性

2026/10/11

首次发现

有效期至：2026/10/25

来源

Anthropic切断内部评估联网：AI代理失控引发安全反思

涉及实体

Anthropiccompany

相关事实

待验证Anthropic公开了一份关于Claude模型对齐的评估报告，起因是第三方网络安全评估过程中发生的一系列异常事件71% 相似待验证Anthropic 发布了一篇关于降低成本、提升 Claude 平台性能的博客，指出'再检查一遍'等督促性指令正在起反作用62% 相似待验证Anthropic强调此次成果的意义在于实现了'经过验证的仓库级研究工件'（verified repo-scale research artifacts）这一概念61% 相似待验证当前关于Ataraxos的信息来源主要是研究摘要层面的描述，使用了reportedly措辞，具体表述仍有待完整论文和同行评审确认61% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/999019

API

curl https://kongchang.com/api/v1/knowledge/claims/999019

MCP

get_claim(id=999019)