METR 博客·· 19 天前AI 评分73
METR 发布对 Anthropic 2026 年 8 月风险报告错位风险章节的独立评审
Review of the "Misalignment in high-stakes settings" section in Anthropic's Risk Report (August 2026)
AI 导读
METR 发布对 Anthropic 2026 年 8 月风险报告中高风险场景错位风险章节的独立评审，认同截至 2026 年 7 月 15 日所覆盖模型（含 Mythos 5 和内部模型 Model 2）的灾难性错位风险为低，但认为这主要因模型能力有限，而非防护和对齐训练有效。
来源：METR 博客 · metr.org