Petri · Anthropic 开源对齐审计工具
一句话档案
Petri = Anthropic 内部对齐审计工具，2026-05-07 开源捐赠。让整个 AI 安全生态可以用同一套工具做审计，加速对齐研究。
核心能力
- 对齐审计 自动化框架
- 覆盖：agentic 行为 / 输出偏差 / persona 切换 / 越狱等
- 与 Anthropic 内部 Alignment 团队工作一致
战略意义
- 从”公司内部工具”到”社区共用工具”
- 让研究者 / 防御方共用同一评估基础设施
- 与 138-Anthropic-Off-Switch-Dual-Use 呼应，代表 Alignment 从研究到工程的成熟化