Anthropic 的公益报告称核心人工智能安全工作仍未完成
报告称，目前的可解释性方法不足以可靠地发现所有危险行为。 一份于9月9日发布的单独评估重新审视了Anthropic于7月30日首次披露的网络事件；这些测试是在未采用已发布模型中包含的防护措施的情况下进行的。
By Ryan Merket · Published · Updated
Primary source: Anthropic
为何重要
Anthropic 的报告将未完成的安全工作与其公共利益承诺并列列出，为外界评估未来进展提供了一个基准。
其网络事件评估为公司此前已披露的案例补充了细节，同时指出这些测试是在已发布模型中未包含安全防护措施的情况下进行的。
Anthropic 在其 2026 年公共利益报告中表示，核心安全工作仍未完成：当前的可解释性方法还不足以可靠地捕捉所有危险行为，公司称仍然存在安全漏洞和独立监督不足。该报告将这些不足与 Anthropic 的公共利益承诺以及为实现这些承诺仍需完成的工作联系起来。报告可从 Anthropic 的章程页面 获取。
该报告将 联合创始人兼总裁 Daniela Amodei 置于 Anthropic 对外公开说明的核心位置。在前言中，她写道读者不应对公司所称的进展掉以轻心：本报告旨在阐明 Anthropic 如何定义成功以及支持其进展的证据。Anthropic 表示计划每年发布该报告。
章程的五大支柱涵盖的范围远超产品安全。它们要求针对严重危害的技术防护、以法律为后盾的行业安全实践、加强民主的 AI、广泛的经济繁荣以及在社会范围内分配利益。报告将这些视为需要政府、研究人员、民间社会和其他 AI 开发者采取行动的目标，而非 Anthropic 单独就能实现的成果。…
When you purchase through links in our articles, we may earn a small commission. This doesn’t affect our editorial independence.