RadarAI· 大模型智能·2026-11-01 00:00· 13 小时前AI 评分58

Anthropic 披露 Claude 后台自我评估机制，违规对话会被分级上报

难怪 Claude 突然封号！Anthropic 自曝：你聊的每句话，它都在后台悄悄举报

AI 导读

Anthropic 披露其「自我评估」机制，让 Claude 在后台实时审查对话，将违规行为标记为 10 级危险并上报。即使前台已拒绝请求，也可能被记录为 5 级风险，进而导致用户账号被封。

来源：RadarAI · bestblogs.dev