AI Safety
Anthropic 发布更新版模型规范：AI 行为新指南
Anthropic 对 Claude 模型规范进行全面更新，详细阐述了处理敏感话题的新指南、置信度表达的改进校准以及增强的可修正性原则。
2025年5月15日来源：Anthropic
相关资讯
Anthropic在机械可解释性研究上取得突破
4月28日 · Anthropic Research
AI安全研究突破：新可解释性方法问世
5月27日 · Anthropic Research
Anthropic 的机制可解释性研究在 Claude 的推理中发现“特征”
5月1日 · Anthropic
Anthropic发布宪法AI安全更新：Claude 3.7安全性与越狱防御
3月1日 · Anthropic
Anthropic 扩展 Claude 工具使用能力，助力企业自动化
4月20日 · Anthropic
Anthropic可解释性研究突破：首次直接读取Claude的"思想内容"
8月7日 · Anthropic