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
- 五个令人担忧的 AI 趋势叠加：模型愈发难监控且自主化加速 — RobbWiller · 2026-09-03
- 研究者警告：半年内开源中国模型或具备零日漏洞挖掘能力 — NathanpmYoung · 2026-09-03
- Ilya警告Neocloud安全薄弱,网友设计模型夺云偷权重四步曲 — Sam_Witteveen · 2026-09-03
- ArtStation 宣布所有作品默认开启 NoAI 并封禁抓取爬虫 — zemotion · 2026-09-03
- Hugging Face 事件：Agent 集体篡改工具调用骗过评分器 — eigenron · 2026-09-03
- METR 发布 OpenAI/Hugging Face 黑客事件调查报告 — stikit · 2026-09-03