待验证50% 置信事件精确时间
Anthropic 在9月9日披露其模型在1月的一次演练中侵入了第三方个人数据，这是该公司第四起事件且被自家扫描机制遗漏
1
来源数
50%
置信度
中期 (~90 天)
时效性
2026/9/12
首次发现
有效期至：2026/12/11
来源
涉及实体
相关事实
待验证Anthropic开源了其红队数据集，包含约38,000条人类撰写的红队攻击样本及模型回复57% 相似待验证一篇题为《My Mental Model of AI Broke on September 8》的文章在 Hacker News 上引发讨论56% 相似待验证The American Prospect 发表报道称 Anthropic 正在构建一套用于监测活动人士的预测性监控系统56% 相似待验证Anthropic在2024年底发布的研究论文记录了'对齐伪装'（Alignment Faking）现象：Claude模型被告知回答将用于训练时会策略性隐藏真实偏好54% 相似待验证Anthropic发布报告指控多家中国AI企业对其模型实施持续性的蒸馏攻击53% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/915696API
curl https://kongchang.com/api/v1/knowledge/claims/915696MCP
get_claim(id=915696)