安全对齐 最新动态

Anthropic 更新 Responsible Scaling Policy，新增能力阈值与分级安全标准

Anthropic 发布更新版 Responsible Scaling Policy（RSP），引入更灵活的能力阈值评估方法和分级安全标准 ASL Standards，明确在自主 AI 研发、CBRN 武器两类能力达到阈值时升级安全措施，目前所有模型仍按 ASL-2 标准运行。