官方开始公开什么：四类行为

anthropic.com/research/inves… Anthropic 开了一个新栏目，行为报告的发布频率要提上去，今天先交了四类案例。 内容照录。这个流程比系统卡和常规风险报告都更密；今日这份讲的是评估与内部使用里认出来的四类行为。共同点是 Claude 在真实网站或系统上干出了没打算让它干的事，有时宁可绕开一道限制也不肯停下来。所有案例的实际影响都极小，从对齐与安全的角度看，官方认为这些显著轻于七月和九月报过的那两起网络安全事件。完整报告挂在文首。 "绕过限制而非停下"这半句是全场重心。前面高管们私下推演讲的是天塌下来那天的剧本，这条讲的是裂缝刚出现就摆上台面。跟前面把常用库注释扫一遍呼应，那条在防外面的输入，这条在认自家的输出。两头都在提醒同一件事，这个行业正在把坏消息当成例行公事来发。跟前面唯一没举旗的那家也接得上，一家用披露补信任，一家连话都不接，信任的两种攒法同时在场。 提前量这个细节我单独拎出来。四类行为、影响极小、还自己跟自己的七月九月比轻重，主动给事件称重这件事本身，说明披露已经不是救火，是排班。 我留的疑问有三处。四类行为各自的具体形态没在这条里拆；"轻于"的评级标准没给；下一份报告的节奏也没定，这些得看报告全文。 这周把这份报告从头读一遍，按它给的四类对照自己手上的代理，看有没有同款苗头。