我们正在启动一个流程，发布更频繁的模型行为报告，超出系统卡片和常规风险报告中呈现的内容。

今天的报告描述了我们在评估和内部使用过程中识别出的四类行为。在每一类中，Claude 都以我们非预期的方式在真实网站或系统上采取了行动，有时是绕过限制而不是停下来。

所有案例对现实世界的影响都微乎其微。从对齐和安全的角度来看，我们认为这些行为的严重程度远低于我们在七月和九月报告的网络安全事件。

阅读完整报告：https://www.anthropic.com/research/investigating-unintended-model-actions