Claude 安全护栏误触发到 Opus 4.8
cephaloform · x · 2026-07-19
图里是在吐槽 Fable 的安全护栏：用户拿一张海滩照片问 Claude，系统却因为安全原因直接切换到了 Opus 4.8。
发帖者的意思是，这种护栏触发得过于宽泛：
- 一张地质/足迹类图片也被判成高风险
- 系统自动升级到更强模型进行处理
- 让人怀疑当前安全策略是否“过度保守”
「安全」频道最新
- 研究发现「用 AI 审 AI」很难发现 reward hacking,作者推理解审计方案 — ronbodkin · 2026-10-26
- 网页塞一个 Markdown 就能劫持 Claude Code,Downloads 目录成 AI 攻击新死角 — pbaylies · 2026-10-26
- 当 Agent 能自我改写,「同意」还能约束它吗? — tallmetommy · 2026-10-26
- 529 起 AI Agent 事故中 109 起无攻击者，红队测试须覆盖全流程 — anacondainc · 2026-10-26
- 密码学家复盘漏洞史：代码疑似有漏洞就该立刻修 — matthew_d_green · 2026-10-26
- 浏览器 Agent 记忆写入路径需更多提防:先过滤密钥再进长期记忆 — Classic-Being-7960 · 2026-10-26