Anthropic @AnthropicAI

我们训练了Claude来标记对话中的潜在滥用，我们将这种技术称为自我评估。在它回应之后，Claude会对对话进行初步的安全评估。 自从我们六月份开始使用自我评估以来，它已经发现了我们其他保障措施未能捕捉到的滥用行为。 因为Claude已经阅读了对话，所以自我评估非常高效。而且与针对离散危害的分类器不同，它依赖于Claude自己的判断，因此随着我们模型的改进，它会变得更加准确。 在我们的新保障博客上阅读更多： https://t.co/18j6zdHub4

• DeepSeek发布增强版编程智能体，对标Anthropic2026-11-01
• 用户称遭Anthropic误标为训练竞争对手模型2026-10-31
• OpenAI融资目标下调100亿美元，估值降至1.25万亿2026-10-31
• Anthropic封禁涉及训练更大模型的用户2026-10-31
• Anthropic水印覆盖多款Claude模型，旧模型存绕过漏洞2026-10-31