对齐与安全团队的协作机制

Anthropic发布“模型弃用与保存承诺”：保留权重、记录自述，探索更温和的下线流程

Anthropic 于 2025 年 11 月 4 日发布“模型弃用与保存承诺”，指出模型日益融入工作与生活，简单以“新替旧”的做法会带来用户成本、研究阻断与安全风险。文中直指在对齐评测中观察到的“关机回避”类行为，并承认当前仍需淘汰旧模型以控制推理成本与运维复杂度。作为初始措施，Anthropic...