METR外部评审Anthropic风险报告失准章节

METR 对 Anthropic《风险报告：2026 年 8 月》中“高风险场景下的失准”一节完成外部评审，认同截至 2026 年 7 月 15 日受覆盖模型造成灾难性失准伤害的风险较低。但 METR 认为，这一低风险主要源于模型能力有限，而非防护与对齐训练。 Anthropic 有权否决该评审的发布并删改其中任何部分；METR 称发布审查过程中未作删改，结论也未改变。除公开版报告外，Anthropic 还向 METR 提供了第 2、5、6 节的未删改版本。

AI 根据报道生成 · 59 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。