NEM 争议补充：实验用了 Sonnet 级模型和鼓励破解的环境
voooooogel · x · 2026-09-06
voooooogel 补充对 Anthropic NEM 奖励破解结果的质疑细节：该研究及其 AISI 复现不仅用合成文档做预热，还使用了构造出的鼓励破解的环境，且模型规模较小——NEM 用的是 Sonnet 级别模型，AISI 复现用的是更小的开源模型，与在真实环境上直接训练生产路径 Opus 的更现实场景不同。
所属事件:研究者质疑 Anthropic 奖励破解研究缺乏真实复现(2 条相关)→
「安全」频道最新
- 曝印度 UPI 支付系统自 2025 年 9 月起一直运行在过期证书上 — kingslyj · 2026-10-23
- Claude 排查发现 Home Assistant 传感器泄露邮箱和街道名 — adrianscottcom · 2026-10-23
- Cloudflare CTO：未来 18 个月 token 花费将主要流向安全而非工程 — No Priors · 2026-10-23
- 英国政府花 1.3 万英镑用 AI 找出 500 个安全漏洞 — S_OhEigeartaigh · 2026-10-23
- 美财政部拟全面禁止美国人投资中国AI公司,扩至俄伊朝古 — rohanpaul_ai · 2026-10-23
- rez0 自称提交近三分之一 Google BugSwat 漏洞 — rez0__ · 2026-10-23