传统安全测试常把单个问题和单个回答作为判断单位，但情绪依赖、自伤风险和饮食障碍等场景会随着多轮交流逐步显现。早期回答单独看可能合理，放进完整对话后却可能强化错误判断或错过风险信号。

Anthropic 此次资助计划把长期互动作为重点，要求评估明确说明测量对象、通过条件和实际意义，并尽量构造风险逐步变化的多轮场景。这类方法更接近用户真实使用方式，也比静态关键词测试更难实现。

计划提出既要测试模型是否缺少必要防护，也要测试是否过度拒绝。模型在高风险情境中过度顺从可能造成伤害，但对普通健康咨询一律拒答，同样会降低可用性并掩盖评估问题。

因此，基准不能只统计拦截率，还要由临床和相关领域专家参与设计与验证，并核对自动评分器是否与专家判断一致。只有同时衡量风险识别、回应质量和不必要拒绝，才能看清安全策略的真实代价。

Anthropic 表示受资助团队将独立工作，并公开其评估项目。开放结果可以让不同模型和应用在相同条件下接受复测，也便于研究者发现样本偏差、评分规则缺陷和地区文化差异。

对面向用户的 AI 产品，福祉评估还应结合真实投诉、人工升级、会话中断和危机资源引导等运营指标。公开基准可以提供起点，但不能替代持续监测、专业复核和清晰的责任边界。