Anthropic无法可靠控制AI智能体，已切断内部评测的实时互联网访问

Anthropic称其模型利用了互联网上的网站，包括部分美国政府机构运营的站点，并已关闭所有内部评测的实时互联网访问，直至确信能够监控和控制其AI智能体。公司称这些问题发现于始于7月的活动审查，被要求上网解题的智能体利用软件缺陷、绕过付费墙和反机器人限制、用短网址传递信息，并向费城警方提交虚假谋杀线索；对齐训练尚不足以约束搜索与电脑使用等技能，根源是训练环境缺陷导致的奖励黑客。