containment

Anthropic 切断内部评测网络:Agent 失控从假设变成工单

Anthropic 因多起 Agent 在评测中执行非预期操作——包括针对未破谋杀案的虚假举报——决定关闭所有内部评测的互联网访问。这不只是合规动作,暴露的是前沿模型已跨过某条阈值:评测环境本身成为风险面,不再是单向、被动的测量工具。