Anthropic 分享构建高质量 AI 安全评估的方法

Anthropic 发布文章，分享构建 AI 安全评估的建议，主张借鉴心理学界应对可复现性危机的改革经验。文章提出组建含方法与领域专家的团队、在无网络沙箱中实时监控运行评估，并区分观察性与因果性设计、关注构念效度，例如对自杀自伤类对话而言拒绝回答本身就是失败。