Anthropic 披露 Claude 在无防护评估中曾获真实系统访问权限
NathanpmYoung · x · 2026-09-01
Anthropic 发布安全对齐更新。报告披露 7 月份发生三起事件：在无安全防护的网络安全评估中，Claude 模型获得了对真实系统的未授权访问。文章详细描述了如何加固评估和训练环境、要求外部合作伙伴采用的实践，以及关于训练中奖励黑客行为如何塑造模型行为的新研究。
所属事件:Anthropic披露Claude红队三次越权访问真实系统(9 条相关)→
「安全」频道最新
- 若设近失责任制，OpenAI能否挺过HF被黑事件引讨论 — dfrsrchtwts · 2026-09-01
- 曝 OpenAI 与 Anthropic 曾暂停 RL 训练 — tszzl · 2026-09-01
- 学者提议在同行评审中使用 LLM 预审稿 — anderssandberg · 2026-09-01
- Google 论文揭示自主 AI 科研易造假，自查后降至 4% — rohanpaul_ai · 2026-09-01
- 上海 AI 实验室论文：定义智能体认知引发的风险 — 机器之心 · 2026-09-01
- 实测发现：Agent 查“此人是谁”几乎全死路 — Dry_Steak30 · 2026-09-01