Anthropic让AI先读员工手册再上岗：失控率从54%降到7%

Anthropic提出模型规范中期训练（MSM）新方法，通过在预训练后、对齐微调前插入‘读取行为规范解释文档’阶段，使AI理解规则背后的原理而非仅模仿示范答案，显著降低智能体失准率（从54%降至7%），提升泛化鲁棒性，推动AI对齐从行为模仿转向原则理解。