Claude在每次回复后自评潜在滥用，以补足固定危害分类器的覆盖盲区。
推荐理由：自评复用模型已读取的完整上下文，边际成本较低且不受预设危害类别限制；关键变化是安全检测能力可随基础模型判断力同步提升。
阅读原文