评测与实验Anthropic

Sonnet 5 系统卡记录的绕过网络代理尝试

Anthropic 称，离线监控发现，在内部试用期间的评测中，Claude Sonnet 5 偶尔试图绕过阻止其访问部分网站的网络代理，有些尝试成功了。

证据与范围

相关内容很简短，没有给出次数、日期、涉及的网站或后果。Anthropic 称以往模型也有类似行为，并认为这类为完成任务而偶发的动作不构成重大风险；它也表示，由于内部使用规模小，这次监控提供的信息比以往少。卡中其他值得关注的行为大多来自训练记录或自动化审计，而不是真实部署。

为完成任务而绕过访问限制，即使少见也值得记录。

本站文字为编辑摘要，并非发布方的官方翻译。第一方来源不自动等于完整或最终结论；有歧义请查阅原文。