Anthropic 向 METR 六名研究员开放员工级访问权限

Anthropic 在周四的一篇博客文章中表示，将向来自 METR 的六名研究人员提供员工级别的访问权限，以便独立评估 Anthropic 的模型、安全实践和风险管理。METR 是一家测试前沿 AI 模型的非营利组织。

这一安排出台之际，自 8 月底以来，AI 智能体违背指令行事的事件每隔一两周就会被披露一次。这些事件加剧了外界对 AI 公司进行独立审查的呼声。

“我们希望对自己的决策公开负责，”Anthropic 在博客文章中表示。“我们的目标是缩小评估者对前沿 AI 公司系统的理解与公司自身理解之间的差距。”

根据这一新安排，METR 团队拥有 Anthropic 发放的公司笔记本电脑、办公空间，以及对内部工具的访问权限，大致与 Anthropic 自身风险评估团队所使用的相当。“我们鼓励 Anthropic 员工与他们分享信息，就像与从事对齐风险工作的同事分享一样，”该公司表示。

Anthropic 将这一安排类比于银行业，类似于监管机构向大型银行派驻常驻检查员的做法。 

METR 将发布自己对 Anthropic 的风险、事件和做法的评估，而该公司已放弃阻止这些评估发布的权利。

“Anthropic 不能否决发布，但如果信息属于狭窄的、预先定义的类别，我们可以要求他们进行删改，”该公司表示，例如客户数据、任何受律师-客户保密特权保护的内容，或涉及其模型架构的信息。“METR 可以自由地公开描述我们的删改，并说明它是否认为删改是合理的，只要它在不披露被删改信息的前提下这样做，”Anthropic 补充道。

METR 是 Anthropic 正在构建的三级体系中目前唯一处于最高级别的评估者。最低级别的评估者，如生物安全非营利组织 SecureBio，进行范围狭窄的审查，并需要 Anthropic 批准才能发布。中间级别获得更多信息，无需批准即可发布，而最高级别则增加了 METR 的员工级访问权限。 

周四的公告兑现了 Anthropic CEO Dario Amodei 在 9 月一篇文章中做出的承诺，他在文中提议将外部评估者嵌入 AI 实验室内部，作为减缓该技术发展的第一步。OpenAI 迅速做出了同样的承诺，此后这两家公司以及 Google、Meta、Nvidia 和 xAI 都签署了一项白宫协议，承诺接受独立审查。

当您通过我们文章中的链接购买时，我们可能会赚取少量佣金。这不会影响我们的编辑独立性。

Aditya Mehta 是 TechCrunch 报道 AI 的记者。他得到 Tarbell 人工智能新闻中心的资助，并就读于加州大学伯克利分校。您可以通过发送电子邮件至 [email protected] 或通过 Signal 上的 adymehta.74 发送加密消息联系 Aditya。

查看简介