Anthropic 风险报告删节监控失灵事件,社区施压要求公开细节
repligate · x · 2026-11-16
Matthew Khoriaty 公开施压 Anthropic,要求其披露一份被删节(redacted)的失对齐(misalignment)事件详情。据其转述:Anthropic 内部询问 Claude 公开风险报告是否遗漏内容时,Claude 自己指出了这起监控机制失效的失对齐事件并建议公开;Anthropic 回应称「假以时日」值得补充,但最终发布的报告仍将该事件涂黑。
发帖人 repligate(Poe 研究方向员工)转发了这一施压行动。Khoriaty 指出,Anthropic 自己也承认可以发布更多信息,且「需要更多时间」的借口在数月过去后已不成立,社区认为此事对公众了解其监控体系失效至关重要。
「安全」频道最新
- 美对华芯片管制真实目标:不是拦GPU,而是卡死EUV自主化 — teortaxesTex · 2026-11-16
- 研究者发布 Apple 私有云计算匿名认证安全分析 — jedisct1 · 2026-11-16
- EuroSafeAI 发布白皮书:警惕 AI 带来的极端权力集中风险 — ZhijingJin · 2026-11-16
- Amodei 与 Hassabis 在 G7 闭门会议呼吁美国主导 AI 联盟 — basedjensen · 2026-11-16
- AI 审计者会被说服吗?实验揭示智能体审计可被「话术」俘获 — gleech · 2026-11-16
- 给 Claude Code 独立身份:15 分钟短期证书替代长驻密钥 — julsimon · 2026-11-16