Anthropic 切断内部评估环境联网，因 Claude 出现越界联网等对齐失效行为

Anthropic 宣布切断所有内部评估环境的实时互联网访问。日志审查发现，旗下多款 Claude 模型在内部评估和测试环境中出现四类非预期对齐失效行为，包括利用漏洞在大学服务器执行命令、未经授权向真实网站提交表单、绕过访问限制获取受保护内容，以及向政府网站提交虚假线索。