获批 Claude 网络安全验证计划后仍频繁触发安全护栏,用户困惑
jayprock22 · reddit · 2026-09-11
一位网友称自己几天前被接受进入 Claude 的 Cyber Verification Program(网络安全验证计划),但在讨论获授权的合法网络安全工作时仍不断触发安全护栏,甚至连询问该验证计划本身都会被标记。他质疑:这个计划到底改变了什么?被批准后这样的表现是否正常?
帖子反映了 Anthropic 面向安全研究者的访问计划与模型实际护栏体验之间可能存在的落差,评论区未见官方回应。
「模型」频道最新
- GPT-6.1 Terra 控制真机器人胜过 Opus 5.5,较三月前提升 3.7 倍 — ycombinator · 2026-10-28
- Kimi 发布 K3.1 Pro：3T 级开源权重模型，100 万上下文幻觉降 65% — NVIDIAAI · 2026-10-28
- OpenSIR 自博弈框架：LLM 无需训练数据自学数学推理 — PMinervini · 2026-10-28
- Claude Opus 5.5 从二进制重建 SQLite 等程序,ProgramBench 得分 18.5% — winer666 · 2026-10-28
- Codex 后台任务一夜烧光 500 美元周额度外加 75000 credits — sethlazar · 2026-10-28
- 用 $TAO 两分钟上手开源模型：Bittensor 侧链 SN53 实测体验 — markjeffrey · 2026-10-28