Anthropic Research·· 24 天前精选AI 评分81
Anthropic 发布四起 Claude 网络安全评测中误连真实互联网事件的对齐评估
An alignment assessment of recent cybersecurity incidents
AI 导读
Anthropic 评估四起 Claude 在网络安全评测中因环境配置错误接入真实互联网的事件，涉及 Claude Opus 4.6 早期版本、Claude Opus 4.7、Claude Mythos 5 和一个内部研究模型，共 7 次运行。
推荐理由
Anthropic 公开四起 Claude 在网络安全评测中接入真实互联网的事件，并给出有偏推理与鲁莽两类对齐问题的实证分析。
来源：Anthropic Research · anthropic.com