Anthropic 为美国中期选举加固 Claude：只有 0.01% 的对话问「该投给谁」，官方投票信息和实时计票将直接进回答，新分类器专抓被拆成小任务的虚假宣传

这件事意味着什么

【要点】

Anthropic 10 月 14 日（美国时间）发文，介绍为 2026 年美国中期选举加固的选举防护措施，并首次公开 Claude 上政治类对话的使用数据：

一、用量数据：对 9 月 21–27 日约 25 万条美国 Claude.ai 消费者对话的隐私保护抽样显示，涉及政治、公共政策或社会议题的约占 5.75%，专门谈选举或投票的约 0.51%；直接问「该投给谁/投什么」的只有约 0.01%，违反选举诚信政策的请求约 0.002%。

二、权威信息接入对话：本月晚些时候，Claude.ai 会在回答中直接引用无党派机构 Democracy Works 汇总的各州官方投票信息（投票地点、需带证件等）；选举当晚及之后几天，问计票结果时会显示最新官方数字。原有的 TurboVote 横幅继续保留。

三、政治偏向：Anthropic 称 Opus 5.5、Sonnet 5.5、Haiku 5.5 在其政治中立评测中得分 99%，拒答更少。三家外部机构（Future of Free Speech、Foundation for American Innovation、Collective Intelligence Project）的独立评估认为多数回答有实质内容，但也指出 Claude 会主动加未被要求的提醒和反方观点，且 Sonnet 4.5 更容易弱化右倾立场的论证；Anthropic 说正在改进是非题和短答场景的平衡性。

四、滥用防护：与 ISD、McCain Institute 在美国、以色列、巴西做压力测试，发现 Claude 能稳定拒绝单条有害请求，但会漏掉被拆成很多「看起来无害」小任务的恶意竞选活动。为此新增了识别多步滥用的分类器（假社交账号、假新闻站、牟利型选举骗局），并加强对外国国家行为者的检测。

五、已处置案例：境外假新闻站运营者用 Claude 生产偏向俄罗斯、伊朗、朝鲜叙事的中期选举报道；另有人批量制造假新闻赚广告费。相关账号均已封禁。

【可核验】

Anthropic 原文：https://www.anthropic.com/news/2026-us-midterms

【我们的判断】

一、最有信息量的是「拆分攻击」这个发现：单条请求的拒答率已经不是问题，真正的漏洞在于把一场虚假宣传拆成受众调研、建站、写稿、分发等零散任务。这和智能体安全里的多步越权是同一类问题，靠逐条审核挡不住，需要跨请求的行为检测。

二、0.01% 的「替我选」比例说明，用户主要把 AI 当查资料、看立场的工具，而不是投票顾问；把官方投票信息和实时计票直接接进回答，是把风险最高的事实类问题交给权威数据源，比让模型自己回答稳妥。

三、99% 中立分数来自 Anthropic 自己的评测，外部评估同时指出了不对称的「对冲」问题；中立性以后更该看第三方在真实对话上的复测，而不是自家单一分数。