Anthropic·· 2025-10-07精选
Claude Sonnet 4.5 发布，自动化对齐审计工具开源
Last week we released Claude Sonnet 4.5. As part of our alignment testing, we used a new tool to run...
AI 导读
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。
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
来源：Anthropic · x.com