安全对齐

AI安全对齐重大突破：Anthropic发布Constitutional AI 2.0，解决大模型价值观对齐难题

Anthropic于2026年2月25日发布Constitutional AI 2.0框架，这是AI安全对齐领域的里程碑式突破。该框架通过多层价值观约束、动态伦理评估和可解释性增强，解决了大语言模型价值观对齐的核心难题，为可信AI发展提供了技术基础。