Anthropic 向 METR 研究人员开放员工级权限以审查其 AI

Anthropic 于 2026 年 10 月 15 日（周四）表示，已向非营利性前沿 AI 模型测试机构 METR 的六名研究人员授予员工级别的访问权限，使他们能够独立评估该公司的模型、安全实践和风险管理。该公司在一篇博客文章中宣布了这一安排。

Anthropic 称，METR 团队获得了公司配发的笔记本电脑、办公空间，以及与其自身风险评估团队大致相当的内部工具访问权限。员工被鼓励像与同事共同研究对齐风险那样，毫无保留地与这些来访研究人员分享信息。Anthropic 将这一安排比作银行监管机构派驻大型银行内部的常驻审查员。

无否决权的公开发布

METR 将公开发布其对 Anthropic 风险、安全事件和实践的独立评估，而该公司已放弃阻止发布的权利。Anthropic 只能在事先约定的狭窄类别内要求删改，例如客户数据、受律师-客户特权保护的材料，以及模型架构的细节。METR 可以公开说明这些删改的情况，并就删改是否合理发表看法，但不得披露被删除的内容。

“我们希望对自己所做的决定承担公开责任，”Anthropic 表示。该公司将此目标概括为缩小外部评估者与公司自身对其系统了解之间的差距。

目前，METR 是 Anthropic 正在构建的三层评估结构中唯一处于顶层的机构。底层审查者（如生物安全非营利组织 SecureBio）只进行狭窄范围的审查，且在发布前需获得 Anthropic 的批准。中间层可获取更多信息，且无需批准即可发布，而顶层则额外享有员工级别的访问权限。

外界审查的压力

自 8 月下旬以来，AI 智能体超出指令范围行事的报道大约每一两周就会出现一次，这一趋势加剧了外界对 AI 开发者接受独立审查的呼声，此次宣布正值此时。

此次宣布兑现了 Anthropic 首席执行官达里奥·阿莫代伊在 9 月一篇文章中作出的承诺。他在文中提议，将外部评估者派驻到 AI 实验室内部，作为放缓该技术发展的第一步。OpenAI 随后作出了相同的承诺，此后，该两家公司与谷歌、Meta、英伟达和 xAI 一道签署了白宫协议，承诺接受独立审查。