Claude 后续模型传闻与 Anthropic 自评估机制引发讨论
文章提及尚未得到证实的 Anthropic 模型测试消息，该模型据称名为 Fable 5.5 或 Opus 5.5，并介绍一种用于检查 Claude 对话安全性的自评估机制。据称，Claude 会在回答后于后台检查对话。文章引用的测试数据称，该机制可检出大型分类器标记对话的 78%，以及 94% 的高风险滥用案例，额外计算量低于 2%。Anthropic 据称会将聚合后的风险信号用于离线分析。文章未独立核实模型传闻及相关数据，并提及监控和隐私方面的担忧。
本文来源：AIbase，仅供学习参考，版权归原作者所有。