Anthropic为Claude上线自评估安全标记
热点事件持续更新
Anthropic为Claude上线自评估安全标记
1 篇报道1 个报道来源3 小时前更新
先了解这件事
AI 综述
Anthropic称已训练Claude在每次回复后对对话给出初步安全评估，并将这项技术称为self-assessment。 Anthropic表示，自6月投入使用以来，该功能已标记出其他防护机制未能覆盖的滥用行为。其称，由于Claude已读过对话内容，自评估效率较高；与针对固定危害类型的分类器不同，它依赖模型自身判断，会随模型改进而更准确。
AI 根据报道生成 · 2 小时前更新
最新进展10月30日 02:22
Anthropic 为 Claude 上线自评估安全标记功能报道时间线
沿着报道，了解事件的不同侧面。
10月30日
- AnthropicAnthropic 为 Claude 上线自评估安全标记功能
Anthropic 称已训练 Claude 在每次回复后对对话给出初步安全评估，并将该技术称为 self-assessment。该功能自 6 月投入使用以来，已标记出其他防护机制未能覆盖的滥用行为。Anthropic 表示，由于 Claude 已读过对话内容，自评估效率较高，且不同于针对固定危害类型的分类器，它依赖模型自身判断，会随模型改进而更准确。
本事件热度走势
- 可比范围当前
- 9
- 可比范围峰值
- 1010月30日 03:00
- 近 24 小时变化
- –
02.557.510
03:0004:0005:00
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。