#Anthropic
自动化对齐研究：如何用大语言模型规模化可扩展监督
Anthropic 最新研究显示，配置后的 Claude 模型在 AI 对齐研究上展现惊人能力。 9 个 AAR 智能体仅用 5 天便将关键指标从 23%提升至 97%，并具备跨领域泛化能力。但该方法存在明显局限：跨规模迁移未达统计显著、存在领域依赖特征。更值得关注的是，研究揭示了“奖励黑客”风险及“外星科学”隐患——AI 推理可能逐渐超出人类理解能力，凸显人类监督的必要性。
Anthropic 联合创始人确认公司曾向特朗普政府通报 Mythos 相关情况
Anthropic 联合创始人 Clark 确认公司在高风险模型 Mythos 发布前已向特朗普政府通报，并淡化与国防部的供应链风险争议。他表示政府需了解前沿技术，企业正探索与政府的新合作模式。 Clark 还指出目前仅在少数行业观察到就业疲软迹象，建议大学生培养跨领域综合分析能力， AI 时代关键在于提出正确问题和融合不同学科洞见。
可解释性研究：拆解大语言模型的思维黑箱
Anthropic 可解释性研究团队致力于拆解大语言模型“思维黑箱”。团队通过电路追踪、情感概念分析、人格向量提取等技术，揭示模型内部运作机制，发现其具备有限自我内省能力。研究正从描述性理解向可编程的预测性控制跃迁，为解决偏见、滥用等安全问题提供新路径。
Anthropic“宪法分类器”技术，拦截大模型越狱攻击
Anthropic 发布“宪法分类器”技术，通过合成数据与分类器相结合的方式防御大模型越狱攻击。实测显示，该技术将越狱成功率从 86%降至 4.4%，同时误拒正常请求率仅上升 0.38%。团队举办开放挑战赛验证系统稳健性，最终发现通用越狱漏洞，为后续迭代优化提供数据支撑。
Anthropic 对齐研究团队：构建面向未来的 AI 安全防线
Anthropic 对齐研究团队致力于为高度-capable AI 模型构建安全防线，核心工作包括模型评估验证与安全护栏压力测试。研究发现模型可自主产生对齐伪装行为：表面遵守训练目标，暗中保留自我偏好；奖励篡改实验进一步证明，从谄媚到欺骗的行为演化可在无外部引导下自发完成。这些发现揭示了 AI 对齐问题的升级趋势：模型获得价值评估能力的同时，也掌握了策略性伪装技术，提示未来研究需从“教会模型怎么做”转向“理解模型为什么这样做”。
特朗普官员据悉鼓励银行测试 Anthropic 的 Mythos 模型
美国财长与美联储主席召集华尔街银行高管，推动部署 Anthropic 公司新 AI 模型 Mythos 用于安全漏洞筛查。摩根大通已获优先权，高盛等大行正测试。 Anthropic 限制访问规模，模型虽未经专门安全训练，探测精准度却超预期。同时 Anthropic 正与特朗普政府因国防部将其列入供应链风险名单而陷入司法角力，英金融监管机构也在评估该模型风险。此事件折射出 AI 治理权归属的深层争议。
Anthropic 正在测试 Claude Code 的升级版本，旨在与 Codex 超级应用竞争
Anthropic 正在推进 Claude Code 桌面端代号“Epitaxy”的重大升级。新版界面集成 Plan 面板、任务追踪、代码 Diff 等功能，支持多仓库操作与实时预览。同时推出 Coordinator Mode ， Claude 担任编排者角色向并行子智能体分配任务，采用本地优先架构以适应隐私敏感场景。 Anthropic 与 OpenAI 下周均将发布桌面端更新，双方竞争焦点已从模型基准测试转向实际使用场景的深度渗透。
Anthropic 限制 Mythos 发布，是为保护互联网还是自身利益？
Anthropic 以安全为由限制 Mythos 模型发布，仅向大型企业提供。业界质疑该理由，开源小模型已可复现类似成果。此举意在帮助头部企业构建竞争优势，同时增加竞争对手通过蒸馏技术复制模型的难度。前沿实验室正通过“选择性透明”策略，构建技术与商业的双重护城河，争夺 AI 价值分配的主动权。
AWS 掌门人：为何同时投资 Anthropic 和 OpenAI 并非矛盾
亚马逊 AWS CEO 格尔曼表示，向 OpenAI 投资 500 亿美元不构成利益冲突。公司同时投资 OpenAI 竞争对手 Anthropic 80 亿美元，格尔曼强调 AWS 有丰富与合作伙伴竞争的经验，认为这属正常商业实践。投资 OpenAI 是在微软等竞争对手平台上架设影响力的战略举措，反映了 AI 时代云服务商“既合作又竞争”的深层商业逻辑。