An update on our election safeguards — Anthropic 详解其 AI 模型 Claude 如何通过多重技术手段，在全

Anthropic 发布博文，详细阐述了其 AI 助手 Claude 为应对 2026 年美国中期选举及全球其他重大选举所采取的一系列安全保障措施。文章从三个核心层面进行了说明：

• 测量与防止政治偏见：通过宪法训练和系统提示，确保 Claude 对不同政治观点给予同等深度的分析。公司公开了评估方法和开源数据集，其最新模型在政治中立性评估中得分高达 95% 以上。这对开发者意味着，构建可信赖的 AI 需要将价值观和原则深度嵌入模型训练与评估体系。
• 执行政策与测试防御：制定了明确的使用政策，禁止 Claude 用于欺骗性政治活动或传播误导性选举信息。公司采用自动分类器和威胁情报团队进行检测与干预，并通过数百个有害与合法请求的配对测试来评估模型合规性，最新模型拒绝有害请求的准确率接近 100%。这对工具链意味着，对抗滥用需要结合自动化监控与持续的红队测试，形成动态防御。
• 分享可靠选举资源：在 Claude.ai 上为选举相关问题（如投票地点）启用选举横幅，将用户引导至 TurboVote 等无党派可靠信息源。同时，通过触发网络搜索功能，帮助用户获取关于候选人、选举结果等最新动态信息，相关触发率超过 90%。这对用户和生态意味着，AI 在提供信息时应主动承担“守门人”角色，连接权威信源以弥补模型知识截止的局限。

原文：An update on our election safeguards · 作者 Anthropic