据 Anthropic 官方更新（https://www.anthropic.com/news/an-update-on-independent-evaluators ）10 月 15 日发布，上个月公司承诺更强的独立第三方评估，并签署白宫超级智能协议，承诺与外部审计或评估机构合作；当天宣布，已经开始向非营利前沿模型评估机构 METR 的一个团队提供类员工访问权限。Minderlist 10 月 17 日汇总补充（https://www.minderlist.com/navigateurs-modeles-ouverts-et-audits-les-cinq-signaux-ia-du-17-octobre/ ），六名 METR 成员拿到材料、工位与内部工具，但客户数据、受商业秘密保护的内容与模型架构仍被排除在范围之外；METR 将独立发表结论，并且能够指出自己认为不合理的删改要求。
这与过去常见的外部评估有本质区别：过去实验室把打包好的测试集与结果交给第三方盖章，评估方看不到内部流程；类员工访问意味着评估者可以走进工作现场，追问数据从哪来、测试怎么设计、失败案例为什么没有出现在报告里。
为什么访问范围要刻意留出三块禁区？
客户数据涉及隐私与合同责任，商业秘密关系竞争，模型架构则是实验室的核心资产，三块不开放是可以理解的边界设计。但风险也藏在这里：如果安全评估最关键的证据恰好落在架构或客户数据里，类员工访问就可能变成参观。METR 能够质疑删改要求，是这套安排里最有分量的条款——它把拒绝权部分交给了评估方，而不是让实验室决定什么能被看见。
独立评估的公信力来自哪里？
METR 的历史角色是用可复现的时间序列测量模型能力进步速度，它不隶属任何实验室，结论独立发表，这两点构成公信力的基础。但员工级访问也会带来新问题：评估者长期进入组织，会不会在潜移默化中被流程同化，最终默认实验室的叙事？保持结论独立发表与公开方法，是抵抗这种同化的主要制度设计。
这套模式会不会成为行业标配？
白宫协议要求各家与独立审计方合作，Anthropic 率先给出类员工访问的样板，其他实验室后续很难退回打包送检的旧模式。对监管者，真正要观察的不是谁宣布了合作，而是 METR 第一份独立报告什么时候发表、有没有被实验室以商业秘密为由压下关键段落。安全叙事的可信度，最终要由第一份不客气的报告来证明。
类员工访问具体能看到什么？
按照公布的安排，METR 团队拿到的是开展评估所必需的材料、办公空间与内部工具，而不是无差别进入全部系统。评估者可以追踪模型训练后的对齐流程、安全事件内部复盘、红队测试记录与上线门禁，但客户数据、受保密协议保护的商业内容与模型架构仍在围墙之外。这种有限开放设计的好处是可控，隐患是恰恰最敏感的部分看不到，结论覆盖面会天然受限，所以 METR 必须在报告里写清自己没看到什么，而不是只写看到的。
去论坛讨论
前往 silicon-agi.com 论坛 参与讨论