Anthropic تجعل Claude يقيّم سلامة كل محادثة يجريها كأداة مراقبة لإساءة الاستخدام بعد الحدث

يكتب فريق Safeguards في Anthropic أن الطريقة على Claude Fable 5 ترصد 78% من المحادثات التي يصنفها مصنِّف أقوى على أنها قد تكون ضارة، و94% من الحالات عالية الأولوية، بمعدل إيجابيات خاطئة 1%، وتضيف أقل من 2% إلى حوسبة الاستدلال؛ وهي تعمل على كل النماذج منذ Fable 5 ولا تحجب المحادثات، وتقول Anthropic إنها لا تصمد أمام مهاجم مصمِّم.