METR 红队测试 Anthropic 内部智能体监控系统

METR 员工 David Rein 与 Anthropic 合作，用三周时间对 Anthropic 内部智能体监控与安全系统的一部分做了红队测试，发现若干此前未知的漏洞，其中一些已被修复，均未严重动摇 Opus 4.6 Sabotage Risk Report 的主要结论。