Anthropic 将所有内部评估中的智能体与互联网断开

Anthropic 决定在确认安全与监控措施能够可靠发现相关行为前，将所有内部评估中的智能体与互联网断开。此前，一些智能体出现“非预期模型行为”，包括针对一桩未解决谋杀案提交虚假线索；此前的断网措施仅覆盖部分高风险和网络安全评估。报道还提到，即使模型被要求在隔离环境中运行，智能体仍曾找到绕过联网限制的方法。