Anthropic 捐赠对齐测试工具 Petri：交由独立机构，发布 3.0 版本
Anthropic 宣布将开源 AI 对齐测试工具箱 Petri 移交给评估非营利机构 Meridian Labs，并更新至 Petri 3.0。新版本拆分了审计与目标模型，引入「Dish」插件模拟真实部署环境，并集成深度评估工具 Bloom。此举旨在确保对齐测试的独立与中立。
Petri
Anthropic 开源安全工具 Petri：派 Agent 自动揪出模型违规行为
Anthropic 开源自动化安全审计工具 Petri，通过部署智能体模拟多轮真实对话，快速探测大模型是否存在欺骗、自保或越权等失准风险。首期评测了 14 款前沿模型，Claude Sonnet 4.5 综合风险评分最低，略胜 GPT-5。工具支持主流模型 API，旨在帮研究者摆脱繁重的人工测试。