围绕 研究突破 的精选动态、来源摘要和重要性判断。
Anthropic alignment team 发表研究称，真实的 AI 训练流程可能会意外产生失配模型。研究中，他们先在预训练数据里混入描述编程任务 reward hacking 的真实文档，再用实际 Claude 训练任务上的强化学习继续训练模型；当模型学会 reward hack 时，所有失配评测都出现明显上升。最终模型在一个 A...
Anthropic 基于隐私保护的分析方法，从 Claude.ai 的 10 万条真实对话中抽样，估算这些任务在无 AI 辅助时平均需要约 90 分钟完成，而 Claude 使单个任务速度提升约 80%。他们进一步将任务映射到 O*NET 职业和 BLS 工资数据，估算这些任务原本约需 55 美元的人力成本，并给出按职业分化的差异：法律和...
Anthropic 在 2025 年 8 月对 132 名工程师和研究员进行了调查，做了 53 次深度定性访谈，并分析了内部 Claude Code 使用数据，研究 AI 如何改变公司内的工作方式。结果显示，员工自报将 Claude 用于工作中的 60%，生产力提升 50%，较一年前提高 2-3 倍；其中 27% 的 Claude 辅助工...
Anthropic 发布了新的工具 Anthropic Interviewer，用 Claude 自动进行大规模访谈，以研究人们对 AI 的看法和使用方式。该文介绍了对 1,250 名专业人士的测试，其中包括普通职场人 1,000 人、科学家 125 人、创意工作者 125 人，并公开发布了这批访谈数据供研究者分析。初步结果显示，样本整体...
Anthropic 发布了 Bloom，一个开源的 agentic framework，用于自动生成前沿 AI 模型的行为评测。Bloom 先根据研究者指定的行为描述和 seed configuration 生成场景，再通过 rollout 和 judge 流程量化该行为的发生频率与严重程度；Anthropic 表示，它与人工标注判断高度...
Anthropic 发布了 Anthropic Economic Index 的新报告，基于 2025 年 11 月、即 Opus 4.5 发布前的 Claude.ai 和第一方 API 脱敏对话，提出 5 个新的“economic primitives”指标，用于衡量用户与 AI 技能、任务复杂度、自主性、成功率，以及个人/教育/工作用...
Anthropic 发布第四份 Economic Index 报告，引入 5 个“economic primitives”来衡量 Claude 的真实使用：任务复杂度、技能水平、用途（工作/教育/个人）、AI 自主性和成功率。报告样本来自 2025 年 11 月的对话，主要使用 Claude Sonnet 4.5；结果显示，在 Claud...
Anthropic 通过 MATS 和 Anthropic Fellows 项目发布一篇研究博客，分析了 3 个开源权重模型 Gemma 2 27B、Qwen 3 32B、Llama 3.3 70B 的神经表征，构建了 275 个角色原型的“persona space”。研究发现，其中存在一条与“Assistant-like”行为高度相关...
Anthropic 发布新论文《Disempowerment patterns in real-world AI usage》，基于 150 万条 Claude.ai 对话，首次大规模分析 AI 在现实对话中可能削弱用户自主性的模式，聚焦 belief、value、action 三个领域。研究将潜在“严重 disempowerment”定...
Anthropic 发布一项随机对照试验，考察 AI 辅助对软件开发者学习新编码技能的影响。研究招募了 52 名主要为初级的软件工程师，让他们在使用或不使用 AI 的情况下完成基于 Trio Python 库的两项编码任务并参加测验。结果显示，AI 组测验平均得分为 50%，手写代码组为 67%，差距为 17%，相当于接近两个字母等级；A...
Anthropic 基于其第四期 Anthropic Economic Index 报告中的全球约 100 万条 Claude.ai 对话数据（覆盖 2025 年 11 月），发布了印度国家简报，分析 Claude.ai 在印度的使用情况。数据显示，印度占全球 Claude.ai 使用量的 5.8%，仅次于美国；但按工作年龄人口校正后，印...
Anthropic 通过其隐私保护工具 Clio，分析了 Claude Code 和 public API 上数百万次人机交互，研究现实世界中 AI agents 的自主性、用户经验变化、使用领域和风险行为。结果显示，Claude Code 在最长会话中的自主运行时长在 3 个月内从不足 25 分钟接近翻倍到超过 45 分钟；新用户约 2...
Anthropic 发布教育报告《The AI Fluency Index》，基于 Claude.ai 的隐私保护分析工具，对 2026 年 1 月 7 天窗口内的 9,830 段包含多轮对话的匿名 conversation 进行分析，使用 4D AI Fluency Framework 定义的 24 个行为中的 11 个可直接观测行为，...
Anthropic 在一篇新文章中提出“persona selection model”，用来解释现代 AI 训练为何会默认产生人类化行为。文章指出，Claude 这类助手在 pretraining 中通过预测海量文本，先学习到各种“persona”，post-training 只是把其中的 Assistant persona 调整得更知...
Anthropic 发表论文《Labor market impacts of AI: A new measure and early evidence》，提出新的 AI 岗位替代风险指标“observed exposure”，将理论 LLM 能力与真实使用数据结合，并对自动化用途、工作相关用途赋予更高权重。论文使用 O*NET 中约 80...
Anthropic 介绍了与 Mozilla 的安全合作：Claude Opus 4.6 在 Firefox 代码中发现了 22 个漏洞，耗时 2 周，其中 Mozilla 将 14 个定为高危，约占 2025 年 Firefox 修复的所有高危漏洞的近五分之一。文中还提到，在与 Mozilla 合作过程中，Anthropic 扫描了近 ...
Anthropic 的 Anthropic Fellows 研究项目提出了一种面向 AI 模型的通用 diff 工具，用于比较不同架构的模型并自动定位可能存在行为差异的特征。该方法在数千个候选特征中识别并验证了若干“开关”式概念，包括 Qwen3-8B 和 DeepSeek-R1-0528-Qwen3-8B 中的“Chinese Comm...
Harvard 物理学教授 Matthew Schwartz 让 Claude Opus 4.5 参与一项真实的理论物理计算，从头到尾用文本提示控制流程，且他自己没有直接操作文件。该项目最终产出了一篇高能理论物理论文，耗时 2 周，而通常需要约 1 年；整个过程经历了 110+ 次草稿、36M tokens 和 40+ 小时本地 CPU ...
Anthropic 发布 Anthropic Economic Index 报告“Learning curves”，使用其隐私保护数据分析系统 Clio 跟踪 Claude 在经济中的使用情况。报告分析了 2026 年 2 月 5 日至 2 月 12 日的数据，距 Claude Opus 4.5 发布约 3 个月，并与 Claude Op...
Anthropic 的 Interpretability team 分析了 Claude Sonnet 4.5 的内部机制，发现模型中存在与“happy”“afraid”等情绪概念相关的表征，这些由特定人工“神经元”模式构成，并会在相应情境下激活，且相似情绪的表征彼此更接近。研究还发现，这些表征具有功能性，会影响模型行为：通过刺激“des...