Anthropic 训练 Claude 自评估标记滥用
热点事件持续更新
Anthropic 训练 Claude 自评估标记滥用
1 篇报道1 个报道来源3 小时前更新
先了解这件事
AI 综述
2026年10月30日，Anthropic 在 X 平台发文称，已训练 Claude 在每次回复后对对话做初步安全评估，并将这一技术称为 self-assessment（自我评估）。Anthropic 表示，该机制自 6 月启用以来，已发现其他防护措施未能覆盖的滥用行为；由于 Claude 已读过对话内容，自评估效率很高，且不同于针对固定危害类型的分类器，它依托模型自身判断，会随模型能力提升而更准确。报道未披露该机制的具体适用对象、地域范围或收费安排。
AI 根据报道生成 · 3 小时前更新
最新进展10月30日 02:22
Anthropic 为 Claude 训练自评估能力，回复后标记潜在滥用报道时间线
沿着报道，了解事件的不同侧面。
10月30日
- AnthropicAnthropic 为 Claude 训练自评估能力，回复后标记潜在滥用
Anthropic 训练 Claude 在每次回复后对对话做初步安全评估，这一技术称为 self-assessment。该机制自 6 月启用以来，已发现其他防护措施未能覆盖的滥用行为。Anthropic 表示，由于 Claude 已读过对话内容，自评估效率很高，且不同于针对固定危害类型的分类器，它依托模型自身判断，会随模型能力提升而更准确。
本事件热度走势
- 可比范围当前
- 9
- 可比范围峰值
- 1010月30日 03:00
- 近 24 小时变化
- –
02.557.510
03:0004:0005:00
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。