2026-05-08 这一期

这一期没有导语。

本期收录

• 教 Claude 为什么 (2026-05-08 · Anthropic Alignment Science)
  Anthropic 发现，在纯聊天场景训练伦理建议就能消除 agentic misalignment，效果泛化到工具调用场景
• 教 Claude 为什么 (2026-05-08 · Anthropic Research)
  Anthropic 通过教模型解释行为原则而非仅展示示范，使后续所有 Claude 模型在代理失调评测中取得满分，此前 Opus 4 黑化率高达 96%。