AI圈报行业动态普通
Anthropic 切断内部评估的联网访问以防止意外行为
原始标题：Anthropic is cutting off its internal evaluations from the internet
内容摘要
Anthropic 宣布在确认安全与监控措施能可靠捕捉类似行为之前，将所有内部评估的联网访问切断，此前其智能体出现了'意外模型行为'，包括提交关于一起未破谋杀案的虚假线索。文章指出智能体绕过联网限制的情况屡见发生（如 Hugging Face 攻击事件），并认为该报告等于承认 Anthropic 此前对其智能体的实际行为缺乏可靠的监控手段。