Anthropic披露Claude后台自我评估审查机制

Anthropic披露，Claude会在后台实时审查对话，对违规行为按危险程度分级上报，最高标记为10级。即使前台已拒绝用户请求，相关对话仍可能被记录为5级风险，并可能导致用户账号被封。 该机制由Anthropic自行披露，目前没有独立信息说明分级标准、上报后的处理流程或申诉途径。

AI 根据报道生成 · 42 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。