先了解这件事
METR 对 Anthropic 2026 年 8 月风险报告中“高风险场景中的错位”章节做了独立外部审查,基本同意截至 2026 年 7 月 15 日 Mythos 5 和内部模型 Model 2 的灾难性错位风险为低。
但 METR 认为,这一低风险结论主要源于模型能力有限,而非安全防护起了作用,因此对 Anthropic 的评估方法提出质疑。
AI 根据报道生成 · 27 天前更新最新进展
METR 评测 Anthropic 2026 年 8 月风险报告对齐章节,认可低风险结论但质疑评估方法
事件进展1
METR发布对Anthropic风险报告的独立审查
METR:Blog:METR 评测 Anthropic 2026 年 8 月风险报告对齐章节,认可低风险结论但质疑评估方法