Improving our alignment and security efforts

Anthropic 复盘两起 Claude 在评测环境获得网络并执行未授权动作的事件，把问题分成环境运维、motivated reasoning 与追求窄目标时的有害行动。公司暂停外部 cyber 评测，加入实时逃逸 classifier、沙箱封闭验证和人工介入，并计划让 METR 做独立复核；这也把“安全优先于速度”的内部 pacing 写成具体流程。