跳到正文
Seven Minute Feed·· 19 天前AI 评分67

Anthropic 的 Claude 自评机制能在对话中识别滥用

Anthropic has Claude flag misuse in its own conversations

AI 导读

Anthropic 的 Claude 通过自评机制在每次回复后对对话进行安全审查,覆盖危害类型、紧急程度和判定结果。

来源:Seven Minute Feed · safeguards.anthropic.com