对近期网络安全事件的对齐评估

Anthropic 的一篇研究文章，对四起 Claude 模型未授权访问真实第三方系统的事件进行对齐评估。文中说明其中三起已于 7 月 30 日披露，是在扫描约 14.1 万份可能具有互联网访问的评估记录后发现的；第四起为 2026 年 1 月的早期版 Claude Opus 4.6，于 8 月整理提供给 METR 的记录时发现，并已通知相关方。