Anthropic 公布 Hacker-Opus 智能体对齐测试细节
Anxious-Yoghurt-9207 · reddit · 2026-09-01
Anthropic 发布博客文章，详细介绍了在对齐测试中构建的“Hacker-Opus”智能体。文章探讨了该智能体在自动化安全红队测试中的表现、工作流设计以及如何利用模型自身能力来发现漏洞和越狱行为。
「安全」频道最新
- 一张图讲清 CSRF 与 XSS 的区别 — _jaydeepkarale · 2026-10-18
- Grady Booch 批 Anthropic 安全框架：容许致 50 死和 10 亿美元损失 — Grady_Booch · 2026-10-18
- 论文：单个神经元即可绕过大模型安全对齐，横跨 7 个模型验证 — burny_tech · 2026-10-18
- Polymarket 开出 OpenAI 年内全面暂停训练仅 8% 概率 — Polymarket · 2026-10-18
- OpenAI 工程师涉藏偷拍设备被捕，申请保释并否认欲逃沙特 — Polymarket · 2026-10-18
- 网友为离奇的 Hugging Face 入侵事件创作漫画解读 — Flugelwagen · 2026-10-18