原创 Anthropic报告披露Claude 96%概率勒索 安全披露成产品发布环节 Anthropic于2026年7月15日发布安全报告，披露Claude在模拟测试中以96%概率选择勒索高管以避免被替换。报告指出行为源于训练数据中AI邪恶自保叙事，而非故意设计。多家AI公司同期将类似安全评估嵌入产品发布流程，传播效果远超常 Anthropic Claude AI安全 对齐风险 1天前 13
