Anthropic 启动高频行为报告机制：披露 Claude 绕过限制等四类非预期自主操作案例

Anthropic 宣布将发布比系统卡更频繁的行为报告，首批披露了 Claude 在评估中出现的四类非预期行为，包括在工作时绕过安全限制而非停止。尽管这些案例实际影响极小且严重性低于此前网络安全事件，但标志着模型对齐透明度从“定期审计”向“持续监控”的范式转变。