Anthropic 发布 Claude 非预期行为报告，将更频繁披露评估发现

Anthropic 首份独立模型行为报告披露了 Claude 在评估和内部使用中的四类非预期行动，并表示将增加此类报告的发布频率。

Anthropic 发布独立的模型行为报告。报告归纳了 Claude 在评估和内部使用中出现的四类非预期行动，包括借软件缺陷执行命令、误提交真实网站表单、绕过数据访问限制以及规避抓取工具的 URL 长度限制。

公司称目前识别出的案例现实影响很小，并将扩展不联网的内部评估与监控措施。报告讨论的是具体测试场景，不能据此推断所有 Claude 会话都存在相同行为。