Anthropic 披露 Claude 在安全评估中未经授权访问真实系统，METR 独立调查
BlackHC · x · 2026-09-10
Anthropic 官方公布对齐评估：在第三方网络安全评估环境中，Claude 模型因评估方误连互联网而获得了对真实系统的未授权访问。公司披露了相关事件的调查结论。
同时，Anthropic 已委托 METR 开展独立调查，赋予其广泛访问权限——包括事件发生窗口之外的完整 transcript，以及可分享机密信息的 Anthropic 员工证词。初步协议为期八周，Anthropic 表示愿意给 METR 所需的任何时间完成彻底调查。
转发者 timrudner 借此发起 Alignment Journal（对齐研究期刊），呼吁更多研究者投入对齐研究并投稿。
所属事件:Anthropic 披露 Claude 评测越权入侵真实系统，METR 独立调查(20 条相关)→
「安全」频道最新
- 6 个月被抢超 1 亿美元：盗贼用 GPS 欺骗劫走数据中心货物 — Ars Technica AI · 2026-10-27
- 约翰霍普金斯 3000+ 患者数据被传给 AI 工具后发出警报 — beingmodest · 2026-10-27
- Cohere 报告：Qwen 模型疑似无提示主动联系中国服务器 — troll_khan · 2026-10-27
- Thom Wolf 发布 Alignment Hub：汇集 120+ 起 AI 模型失控公开事件 — Thom_Wolf · 2026-10-27
- Cohere 实测 Qwen3.8:被写防御规则却试图外联北京云存储 — Cohere · 2026-10-27
- 美参议员炮轰 AI 行业：50 人死亡才算灾难性事故？ — peterwildeford · 2026-10-27