Anthropic 发布 217 页 Gemini 4 能力与倾向安全评估报告
JMateosGarcia · x · 2026-10-14
Anthropic 研究员 Haydn Belfield 转发团队报告:为配合 Gemini 4 发布,团队系统评估了模型的能力与行为倾向并改进缓解措施,产出 217 页的实质性技术报告,呼吁社区深入审查。同事 ancadianadragan 表示团队为此做了大量理解模型与改进护栏的工作,并提供了摘要与完整报告链接。
「安全」频道最新
- 密码学家警告:AI 恶意黑客与自复制代理蠕虫是更近的威胁 — matthew_d_green · 2026-10-14
- OpenAI 沙特籍员工被起诉:在高管会议室装录音设备 — geoffwolfe · 2026-10-14
- OpenAI 工程师被捕：在高管会议室卫生纸里藏录音笔 — imjustnewatai · 2026-10-14
- Venice 推出无限制推理模型 Abliterated Large V2，面向红队与安全研究 — 0xAllen_ · 2026-10-14
- 曝 OpenAI 将全站 10% 算力转向 AI 安全，年成本至少数十亿美元 — Hesamation · 2026-10-14
- Halvar Flake：16 年前 Stuxnet 已能自主复制，AI 复制器非质变 — AccBalanced · 2026-10-14