Anthropic開放METR進駐評估，AI風險報告可自行公開

（媒角抵加／林承志綜合報導）Anthropic於10月15日宣布，開放非營利AI評估機構METR的6名人員使用內部工具與系統，評估AI風險。依公司安排，METR可自行公開評估，Anthropic沒有否決權，但可要求刪節預先界定的敏感資訊；METR可公開評論刪節是否合理。台灣採用Claude的企業，可從後續報告核對受測版本、資料範圍與限制。

關鍵資訊

• 公告日期：官網標示2026年10月15日。
• 評估對象：Anthropic的AI風險、事件與作業做法。
• 公開條件：METR可自行發表，預定敏感資料可刪節。
• 方法重點：監測覆蓋、AI規避監測與警示後的人工處理。
• 執行性質：公司自願合作，評估機構公開說明工作範圍與限制。

內部資料交給外部評估者，公開權限仍分三級

依Anthropic公告，這6名METR人員獲配公司設備與辦公空間，內部存取大致比照自家風險評估團隊。客戶資料、律師與客戶間的保密特權資訊及模型架構等列為限制類別；架構資訊若高度攸關風險評估，可另經內部核准分享。

公告將合作分為三級：第一級的發表需經公司同意；第二級可自行發表，但受刪節條件限制；METR所處第三級，再增加類似員工的內部存取。不同合作機構取得的資料與公開權限，依各自安排而定。

METR要求交代刪節是否影響結論

METR在10月14日公布的合作政策中，將評估範圍、期間、資料存取與限制列為公開項目。若開發商刪節資訊，METR會說明被刪內容是否影響結論，並在保密範圍內描述刪節的性質。

METR表示，一種可行安排是保留自行附上「刪節摘要」的權利，讓外界知道是否有重要證據遭刪除、而評估者又無法充分交代內容。該機構也指出，在自願合作制度下，取得資料與存取仍仰賴公司配合，部分資訊無法自行核驗。

路透社10月15日的獨立採訪引述一名熟悉討論的人士指出，AI公司視為關鍵智慧財產的資訊，也可能攸關風險評估，因而產生刪節爭議。

監測能否發現AI越權，警示後由誰處理

METR同日公布的內部AI控制評估提案，把監測能否抓到危險行為拆成具體問題：哪些AI操作有被監測、AI能否破壞監測系統、能否躲過正在運作的監測，以及警示是否及時交給人員審查。

以監測覆蓋為例，提案建議交叉檢視AI執行紀錄、監測紀錄與員工訪談，核對哪些AI操作沒有接受監測。針對人工審查，提案也列出審查人員是否可能把危險操作當成一般誤報的問題。

在另一份整體風險評估提案中，METR將問題分為AI是否可能採取嚴重有害行動、控制措施能否攔下，以及AI加速模型研發是否讓防護落後。METR指出，目前評估科學尚不足以對開發是否安全形成有把握的共識，這項工作的目標是提供公開證據，供公司人員、外部研究者與政策制定者判斷。

台灣企業可把報告範圍列入AI採用審查

媒角抵加建議，台灣企業在評估Claude或其他AI代理服務時，把公開報告的受測版本與資料限制記入採用紀錄，再以自己的業務情境測試。會讀取客戶資料、修改檔案或對外執行操作的流程，可逐項列出授權範圍、人工確認者與異常停用方式。

外部查核倡議的前情，可參考AI三巨頭承諾外部查核；模型取巧與工作驗收，見Goodfire研究追查模型如何取巧交差。更多進展整理於AI安全與Anthropic報導。

資料來源與更新紀錄

• Anthropic：獨立評估者合作安排更新，官網日期2026年10月15日，頁面發布時間換算台灣為10月16日凌晨1:20。
• METR：與AI公司的合作政策，2026年10月14日。
• METR：內部AI控制與監測評估提案，2026年10月14日。
• METR：改善前沿AI失控風險公共資訊的提案，2026年10月14日。
• 路透社：Anthropic給予METR類似員工的存取，Aditya Soni，2026年10月15日，Investing.com授權刊載。
• 更新紀錄：2026年10月16日整理進駐安排、公開與刪節條件、METR透明政策及評估方法。