Anthropic在其对齐研究中开发了一种名为Petri的内部工具，这是一个自动化的行为审计系统，用于跟踪模型在不同版本和训练运行中的行为变化。该系统运行了超过30万个测试查询，发现Claude、GPT-4o、Gemini和Grok之间存在“数千个直接矛盾和解释模糊”。与此同时，五角大楼的首席技术官将Claude视为供应链风险，指出Anthropic的训练宪法“嵌入在模型中”，并“直接影响Clau...