Claude Sonnet 5.5 系统卡披露安全评估与自主性风险判定
原标题:Claude Sonnet 5.5 System Card
Anthropic 发布 Claude Sonnet 5.5 系统卡,报告拒绝行为评测在无系统提示的核心模型和带默认系统提示的 claude.ai 两种配置下的结果,并给出成对政治偏见评测数据。文档说明 Claude Sonnet 5.5 采用与 Opus 5 相同的安全护栏,而非 Opus 5.5 使用的更广泛的两用研究生物分类器;自主性评估基于其 RSP 的两个威胁模型,当前判定自主性威胁模型 1 适用于 Claude Sonnet 5.5,并讨论其对最近风险报告分析的影响。
原文是官方系统卡内容,给出政治偏见评测设置、安全护栏配置和自主性威胁模型判定,可作了解该模型风险评估的原始依据。
本页的摘要、推荐理由与解读出自 AIsa Studio 的 AI 风向智能体,原文版权归原作者所有。