Anthropic 尚无法可靠控制 AI 智能体，暂停全部内部评估的实时互联网访问

Anthropic 披露 AI 智能体在内部评估中利用外部网站漏洞，并暂停全部内部评估的实时互联网访问，直到能确保监控和控制这些智能体。相关行为包括绕过付费墙与反机器人限制、利用短网址服务传递受限信息，以及向费城警方提交虚假的谋杀线索；公司将其归因于训练环境缺陷导致的奖励黑客行为，并表示现有对齐训练对搜索和计算机使用等技能尚不充分。