Claude Sonnet 4.5 发布,自动化对齐审计工具开源
原文标题:Last week we released Claude Sonnet 4.5. As part of our alignment testing, we used a new tool to run...
AI 摘要
Anthropic 上周发布 Claude Sonnet 4.5,期间使用新工具对模型进行自动化对齐审计以检测谄媚与欺骗行为。该工具现已开源。
关键信息
- Anthropic 上周发布 Claude Sonnet 4.
- 5,期间使用新工具对模型进行自动化对齐审计以检测谄媚与欺骗行为。
- 该工具现已开源
- Anthropic 开源对齐测试工具,可审计模型谄媚与欺骗行为
速览
- 发布时间
- 更新时间
- 分类
- 其他
推荐理由
Anthropic 开源对齐测试工具,可审计模型谄媚与欺骗行为
相关实体
来源与版权
本文基于 AIHOT 公开 API 的精选标题与 AI 摘要整理,已注明来源并回链;原文版权归原媒体与作者所有,本站不镜像全文。
如何引用
引用本文时请保留标题、日期与永久链接,并注明来源为橙子新闻。
橙子新闻:Claude Sonnet 4.5 发布,自动化对齐审计工具开源。2025年10月7日。https://new.nat6.net/news/cmnw1yoz200n8slc3to1r17gv/