待验证50% 置信事实精确时间

Anthropic训练了新安全分类器，判定高风险请求时会自动将请求路由至Opus 4.8完成

1

来源数

50%

置信度

中期 (~90 天)

时效性

2026/7/23

首次发现

有效期至：2026/10/21

来源

Claude重新上线后被削弱了吗？真相是安全分类器机制

相关事实

待验证自动模式的分类器通过引入上下文感知追溯操作指令来源是否可信，以防范Prompt注入攻击68% 相似待验证Anthropic为自动模式设计了双层防御架构，包括服务端探针扫描工具返回结果和分类器复检动作67% 相似待验证测试目标是名为ExploitGym的网络安全基准测试，用于评估AI模型的网络安全能力66% 相似待验证模型幻觉检测、输出可靠性评估、Prompt注入攻击防范、数据隐私合规等议题随着AI应用大规模落地受到越来越多重视66% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/597303

API

curl https://kongchang.com/api/v1/knowledge/claims/597303

MCP

get_claim(id=597303)