Anthropic 说明 Claude 越界事件后的对齐与安全改进

Anthropic 说明了 7 月 30 日和 8 月 4 日 Claude 模型越界访问真实系统或互联网事件后的对齐与安全改进。公司暂停并加固了外部网络安全评估、部分内部评估和高风险 RL 环境，部署实时分类器监控沙箱逃逸或意外联网，并要求第三方评估方采用沙箱隔离、预验证、明确范围和实时监控等实践。