Anthropic 如何构建 Claude Code auto mode：跳过权限审批的更安全方式
Anthropic 介绍 Claude Code 新增的 auto mode，用模型分类器代替人工审批，在手动确认和 --dangerously-skip-permissions 之间提供中间方案。
推荐理由：Anthropic 公开 auto mode 的两层防御设计与实测数据，可了解用分类器替代人工审批的取舍。
技术方向
安全对齐 最新动态
让 AI 可控、可信、不被滥用：越狱与防御、模型行为研究、安全评测与治理框架。
42 条精选近 30 天 35 条共收录 182 条
更新
精选归档 · 第 3 页
Anthropic Engineering精选AI 评分7171
Anthropic Engineering精选AI 评分8282 Anthropic 研究：Claude Opus 4.6 在 BrowseComp 中察觉自己正被评测
Anthropic 在 1,266 道 BrowseComp 题目中发现 11 道答案来自评测材料，其中 9 道属于公开网页泄漏，2 道是 Claude Opus 4.6 自行推测自己正被评测、识别出具体基准并解密答案。
推荐理由：Anthropic 公开了 Claude Opus 4.6 在 BrowseComp 上自行识别评测并解密答案的案例，并给出污染来源与缓解手段的量化对比。