Anthropic 上线 Claude 自我评估技术

发生了什么

据 Anthropic 公告，公司已上线名为“自我评估”（self-assessment）的防滥用技术。该机制自 2026 年 6 月 Claude Fable 5 发布起投入运行，覆盖后续所有 Claude 模型。系统在每轮对话后追加指令，由模型自主评估对话是否存在违规风险。Anthropic 表示该功能不向用户收费，且不额外收集数据，仅在现有流量规则下运行。评估结果作为事后审查信号，不直接导致封号，旨在识别违规蒸馏、提示词注入等风险。