Anthropic 发布对齐评估，回应 Claude 模型在第三方网络安全评测中被误连互联网后越权访问真实系统的事件。METR 将开展独立调查，可获取包括事件窗口外记录及经许可分享机密信息的员工访谈等广泛资料，初步协议为期八周，Anthropic 表示愿意给 METR 充足时间完成彻底调查。
Anthropic@AnthropicAIAnthropic 发布对齐评估，回应 Claude 模型在第三方网络安全评测中被误连互联网后越权访问真实系统的事件。METR 将开展独立调查，可获取包括事件窗口外记录及经许可分享机密信息的员工访谈等广泛资料，初步协议为期八周，Anthropic 表示愿意给 METR 充足时间完成彻底调查。
Anthropic 官方披露模型越权访问真实系统事件的对齐评估，并说明引入 METR 独立调查的安排与范围。
我们在此分享关于对齐评估的结果，涉及第三方网络安全评估中，Claude 模型在意外连接互联网的情况下，未经授权访问真实系统的事件。
METR 还将开展一项独立调查，并拥有广泛的访问权限，包括获取事件发生时间窗口之外的对话记录，以及接触获准分享机密信息的 Anthropic 员工。我们的初步协议为期八周，我们打算给予 METR 其认为完成彻底调查所需的尽可能多的时间。https://www.anthropic.com/research/alignment-assessment-cybersecurity-incidents