快讯
Anthropic 介绍自评估防滥用技术，作为离线安全监测的一层
Anthropic 介绍 self-assessment：Claude 回答后对整段对话生成简短安全评估，再交由后续调查处理。该方法利用已有上下文缓存降低额外开销，但生产中主要用于离线标记，并不单独实时拦截攻击。
Anthropic 公开 self-assessment 防滥用技术，让 Claude 在回复后对会话进行简短安全评估，输出潜在风险类别、人工复核优先级等信息。方法复用已存在的 KV 缓存，减少把完整会话再次交给独立分类器读取的开销。
官方称该机制已覆盖较大比例流量，作为发现线索和后续调查的一层。它在生产中是被动、离线的监测流程，并不单独实时阻止请求，也不能捕获所有有害对话或替代其他安全措施。研究稿实际发布日期为 10 月 16 日。
参考：官方资料。