Anthropic 公开介绍了 Claude 的对话安全自查（博客落款 10-16）：每次回答后追加短指令，让模型输出约 10 个 token 的安全评估。… · @Moblacksoil · TwKit

@Moblacksoil

Anthropic 公开介绍了 Claude 的对话安全自查（博客落款 10-16）：每次回答后追加短指令，让模型输出约 10 个 token 的安全评估。用户看不到这几轮，也不带进后续对话；是离线复查，不是实时拦截。单条标记不会直接封号，同一组织多次高优先级才转人工。官方称不额外收集用户数据，新增算力不到 2% 且不向客户收费，并承认抓不全、挡不住专门攻击者。

曝光 260 · 评论 2 · 点赞 3 · 书签 0