为 AI 开发核保障

Anthropic 与美国能源部(DOE)国家核安全管理局(NNSA)合作,共同开发了一款能区分「涉核武器对话」与良性核相关对话的分类器,初步测试准确率达 96%。该分类器已部署到部分 Claude 流量上,早期数据表明其在真实对话中表现良好。Anthropic 将把这一方法分享给 Frontier Model Forum,希望为公私合作防范核滥用提供可复制的范本。