Claude上线回答后自我安全评估

Claude在每轮回答后隐式执行安全自查，额外推理开销低于2%，零留存流量暂不启用。

推荐理由：该机制用模型自身输出低成本安全标签，覆盖前沿模型的大量线上流量且算力增幅不足2%；价值在于扩大滥用监测，但自评偏差仍需外部校准。