Anthropic 的 Claude Fable 5 的一份内部规范被公开泄露，其中详细介绍了工程和风险管理策略。该文件概述了 Fable 5 如何与面向企业的 Mythos 5 共享基础权重，并通过软件开关实现安全差异。它详细介绍了分层保护措施，包括在处理高风险查询时回退到 Opus 4.8，并强调了心理健康政策、由代理发起的用于滥用的对话终止，以及严格的规则以抑制幻觉和侵犯版权。 AI
影响 提供了对先进 LLM 安全机制和产品架构的见解，影响了未来的模型开发和风险管理策略。
排序理由 对前沿模型的泄露内部规范的分析。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
