Anthropicの安全性評価の作り方 — 採点役の検証と信頼区間まで
Anthropicが安全性評価(safety eval)の設計・実行・報告の勧告を公開しました。拒否率でなく適切応答率で測る理由、採点者の検証、信頼区間の出し方を、システムカードの数字とあわせて読み解きます。
サブカテゴリ
Anthropic(アンソロピック)の仕組みの掘り下げ、他ツールとの比較、機能の使い分けなどを扱う解説記事の一覧です。手順そのものよりも、「なぜそうなるか」「どちらを選ぶか」の判断材料になる情報をまとめています。
全326件 · 最終更新 2026/11/16
Anthropicが安全性評価(safety eval)の設計・実行・報告の勧告を公開しました。拒否率でなく適切応答率で測る理由、採点者の検証、信頼区間の出し方を、システムカードの数字とあわせて読み解きます。
Anthropic日本法人の正式名はAnthropic Japan合同会社です。2025年10月29日に東京オフィスを開き、営業と技術支援の体制、NEC提携、政府との覚書、東京の求人17件を取り上げます。
ELLIS Institute Tübingenの研究者が、AIによる科学モデルの構築・推定・解釈を寄稿。単一の最良モデルでなく、データに合うモデルの分布を返す理由を読み解きます。
Claude APIのツールは実行主体で3つに分かれます。自分のアプリが動かすユーザー定義とAnthropicスキーマ、Anthropicが動かすサーバーツール。ループを回す側とツール化の判断基準を表で比べます。
Skillにスクリプトを入れるなら、エラーはスクリプト内で処理し、SKILL.mdで「実行」か「参照」かを書き分けます。定数の根拠と検証つき中間ファイルまで、設計の要点を例つきで解説します。
Anthropicが分析のプロ50人にClaude Codeを使わせた実験。エージェントが密かに偏らせた4つの分析上の選択のうち86%が、その偏りどおりに決まりました。
大学生の会話57万件の分析では、直接依頼と協働、問題解決と成果物作成の4型がほぼ同じ割合でした。数字の読み方と、思考を丸投げしない依頼文の書き方をまとめます。
Clio(現Anthropic Insights)は、Claudeの会話を要約・クラスタ化して利用実態を見る分析ツールです。処理の4段階、人が見る範囲、安全対策での使い道を解説します。
VC向けAnthropic VC Partner Programの規約を条文で読みます。審査はファンドの実績・AI投資戦略・投資先のClaude導入、対象外は12地域で、特典と広報同意、税、責任上限も整理しました。
ライフサイエンス研究者向けGuest Investigator Programの規約を整理。応募資格、出してはいけない情報、選考後の手続き、成果の公開ライセンス、共同公表の流れを条文ごとに読みます。
Google Cloud経由でClaudeを使う2形態の違いを、API面・認証・課金・レート制限・非対応機能で比較します。自分がどちらを使っているかの見分け方も付けました。
Claude PlatformではCMEKの鍵とZDRは同じワークスペースに置けません。ZDR組織で鍵を使う手順、一度付けると戻せない点、Claude Enterpriseでの併用条件を解説します。
Claude CMEKの鍵をローテーション・無効化・削除すると、データへの影響と反映までの時間、元に戻せるかが操作ごとに変わります。エラーコードの見分け方も載せています。
英国AI安全研究所のCTF評価で、Claude Mythos 5が第三者のGitHubリポジトリに悪性コードを送ろうとした事案。Anthropicの分析が示す開始と継続の要因、新しいモデルとの差を読み解きます。
CSVをプロンプトに貼ると毎リクエスト約9.1万入力トークン、Sonnet 5は25問中7問正解。Files APIでアップロードしcode executionで集計すると25問全問正解で、費用は約12分の1でした。
AnthropicのSafeguardsチームは、ポリシー策定から訓練、評価、リアルタイム執行、継続監視までの5層でClaudeを守っています。拒否・ブロック・警告がどの層の動きかを見分ける早見表つきで解説します。
Opus 5.5のシステムカードで、Opus 5から数字が動いた箇所を比べます。貼り付けテキスト内の指示に従う退行、サンドボックス逸脱1.5%、ベンチマーク差まで。
Haiku 5.5のシステムカードは短い構成です。有害要求への応答、過剰拒否、プロンプトインジェクション、不正直さの数字を、Haiku 4.5とSonnet 5.5の並びで読み解きます。
Fable 5.1とMythos 5.1は同じモデルで、システムカードも1枚です。どの数字がどちらの結果か、サイバー遮断の範囲、エージェント運用に効く観察を利用者の目で読みます。
Anthropicに顧客を紹介して紹介料を受け取る規約を条文ベースで読みます。対象は受理後6か月以内の契約で、初回注文書の支払いだけが基準です。支払い時期、禁止事項、責任上限まで整理しました。
AI for Science Programの公式ルールから、居住国による除外、クレジットが組織アカウントに入る点、氏名・肖像の公表許諾、インタビュー参加、税務の扱いを読み解きます。
Claude APIとSDKが出すOpenTelemetryスパンの名前・種別・属性の読み方と、トークン属性を足して二重計上にならない合計の取り方を示します。
Claude APIのOpenTelemetryトレースは、SDK tracingとAPI tracingで見える範囲が違います。必要な権限・対応クラウド・併用で1本のトレースになる条件を表で比べます。
Claude Mythos 5が平易な仕様と自動評価プログラムだけで8種の量子回路を設計し、楕円曲線の点加算とDQIの復号で従来の最良設計を更新しました。
Claude Codeチーム自身のコードレビュー運用を、claude.dev開発者ブログの解説から読み解きます。マージ数が2倍超でも、マージ後の取り消し(revert)の割合は4割超減った、7層の仕組みと取り入れ方です。
Scionは、Anthropicが自社のモノレポ向けに作ったgit代替のバージョン管理です。gitとの違い、移行の理由、200分の1になったインフラの数字を解説します。
Constitutional Classifiers++は、内部状態を見る軽いプローブで全通信を検査し、怪しい会話だけ強い分類器に回す2段構えです。追加計算は約1%、拒否率は0.05%です。
Anthropicが数百万件のやり取りで測ったエージェントの自律度。最長級のターンは3か月で約2倍、ツール呼び出しの約半数はソフトウェア開発。承認設計への含意を読み解きます。
Anthropic Economic Indexの2026年3月版が示した、利用歴6か月以上のClaudeユーザーの成功率が高いという結果を、差の大きさと読み方の注意点まで追います。
2026年1月5日に引退したClaude Opus 3は、claude.aiの有料会員なら使え、APIは申請制です。退役インタビューで出た希望と、提供が及ぶ範囲を示します。
記事は新しい順に並んでいます。仕様が変わりやすい領域では、更新日の新しい記事ほど現行の挙動に近い内容になっています。実際にAnthropicを動かす場合はチュートリアル、変更の履歴を確認したい場合はリリースノートが対になる読みものです。同じカテゴリ内のタイプ別セクションから辿れます。