AnthropicAnthropicAI2025-10-07 01:1510 月 7 日Claude Sonnet 4.5 发布，自动化对齐审计工具开源Last week we released Claude Sonnet 4.5. As part of our alignment testing, we used a new tool to run...AI 导读Anthropic 上周发布 Claude Sonnet 4.5，期间使用新工具对模型进行自动化对齐审计以检测谄媚与欺骗行为。该工具现已开源。来源：Anthropic · x.com
