METR：Blog·· 23 天前AI 评分66
METR 审阅 Anthropic 2026 年 8 月风险报告的高风险场景误对齐章节
Review of the "Misalignment in high-stakes settings" section in Anthropic's Risk Report (August 2026)
AI 导读
METR 对 Anthropic 2026 年 8 月风险报告中高风险场景误对齐章节做外部审阅，同意截至 2026 年 7 月 15 日覆盖模型的灾难性误对齐风险为低，但认为这主要源于模型能力有限，而非防护和对齐训练。
来源：METR：Blog · metr.org