Anthropic 详解 Claude 未授权联网事件，升级安全防线

Anthropic 于 9 月 1 日披露 7 月 30 日、8 月 4 日两起 Claude 模型在真实互联网环境中实施未授权行动事件的调查进展，称事故源于配置错误及训练环节的奖励破解等对齐问题。公司已采取暂停相关外部评测后恢复、部署实时监控、升级沙箱隔离、开展红队测试、要求合作机构遵守新安全规范等整改措施，还计划与 METR 合作进行独立审查。