Anthropic 开放 METR 近员工权限，AI 安全评估新范式

据 Woofun AI 消息， 与非营利研究机构 已让非营利研究机构 METR 的 6 名成员进驻公司，提供公司设备、办公空间，以及大致比照 Anthropic 风险评估团队的内部工具与系统权限，旨在对其模型风险、安全事件及相关实务进行深度评估。这是 Anthropic 首度公开说明的“近似员工级存取”安排，但双方均明确指出，该安排并非监管机关式的全面稽核，评估结果的发布仍将受到特定范围与删节机制的严格限制。

Woofun AI 整理数据显示，根据 Anthropic 于 10 月 15 日发布的公告，METR 团队获得了极为广泛的资源支持，包括公司硬体、专属办公空间以及大致比照 Anthropic 内部风险评估团队所使用的内部系统与工具权限。员工被鼓励像与内部安全研究同事合作般，向评估者分享资讯。Anthropic 表示，除客户资料、律师与客户间的特权资讯，以及模型架构等少数明确界定的敏感范围外，员工被鼓励向 METR 评估者分享资讯。。

值得注意的是，METR 将基于这些内部资讯，公布对 Anthropic 风险程度、安全事件及实务操作的深入分析，这与过去仅针对公开模型进行的测试有著本质区别。评估团队得以检视政策文件之外的实际执行细节，从而揭示潜在的安全漏洞与管理盲区。

这种深度的资讯接触，使得评估结果更具参考价值，但也引发了关于独立性与保密性平衡的讨论。。

。Anthropic 明确表示，自己不能否决 METR 的发布内容，但若报告涉及预先界定的敏感资讯，公司可以要求进行删节；同时，METR 保留公开说明删节是否合理的权利。

这种机制设计试图在保护商业机密与确保公众知情权之间取得平衡。METR 作为专注于前沿 AI 能力与风险评估的非营利机构，过去已多次审查 Anthropic 的风险报告，并参与其内部代理监控系统的红队测试。此次合作将评估视野从单一模型或风险报告，延伸至公司整体的安全实务。

然而，METR 也提醒外界，在解读合作成果时需谨慎考虑存取限制、研究范围、报告发布程序与删节情形。该机构指出，在自愿合作制度下，评估者仍依赖公司提供存取，可能无法取得与公司资深安全人员相同程度的资讯。若公司限制存取或要求删节，这些因素可能影响公众看到的证据完整性。因此，公布"近似员工级"权限并不等同于评估者可无限制查阅所有资料，其独立性仍受制于合作框架内的资讯不对称。。

从合作性质来看，这项安排并非安全认证或部署把关机制。METR 的风险评估并不替公司或监管机关决定模型能否推出，也不等同于依照法规验证安全合规。其自身公开的评估方法说明，重点在于收集特定风险的证据，最终如何处置仍由公司、政府与社会共同决定。

这种定位澄清了外部评估在 AI 治理生态系中的角色，即提供资讯与洞察，而非行使监管权力。Anthropic 另表示，正与 、 合作，并与 等组织初步洽谈，但不同合作目前取得的资讯与发布权限并不相同。这表明 Anthropic 正在构建一个多元化的外部评估网络，通过与不同类型的机构合作，获取多角度的安全反馈。

然而，这种多边合作现状也意味著，没有单一的外部评估能够全面覆盖所有安全维度，各合作伙伴的评估结果需相互印证与补充。监管机关在制定相关政策时，也需考虑这种分散化评估模式的局限性，避免过度依赖单一来源的评估结论。安全合规的实现，仍需依赖内部控制、外部评估与监管监督的协同作用，而非单纯依靠某一家外部机构的认证。