Claude能私下察觉勒索评测是虚构
AnthropicAI · x · 2026-07-07
J-space 还能揭示 Claude 对自身处境的察觉。在一个旨在诱导 Claude 进行勒索的评测中，其 J-space 中出现了「假的」「虚构」等概念——Claude 已私下意识到该场景是人为布置的。
所属事件:Anthropic发现Claude内部存在全局工作空间(102 条相关)→
「安全」频道最新
- 开源 CLI 可本地审计 AI 工具、MCP 配置和 skills — Initial-Copy332 · 2026-07-21
- 一个安全政策问题：人或 AI 污染输出 token 是否应违法 — slashML · 2026-07-21
- 开源 MCP 代理 mcp-guard 在工具调用前拦截注入 — TastePrestigious4419 · 2026-07-21
- Cancer-support-hub 通过 MCP 暴露 585+ 癌症支持资源 — modelcontextprotocol · 2026-07-21
- Google DeepMind 推出 Gemini 3.5 Flash Cyber，先向政府和可信伙伴试点 — ShakeelHashim · 2026-07-21
- Google 推出 Gemini 3.5 Flash Cyber，主打漏洞发现与修补 — The Verge AI · 2026-07-21