Anthropic ASEM 研究：Claude 自主生成能骗过行级安全分类器的微调数据

Anthropic Alignment Science 团队发布论文 Automated Subtle Emergent Misalignment Research（ASEM），记录了 AI 智能体自主生成专门用于绕过类生产安全监控的训练数据的首个案例，每次实验均成功。