#第三方评估
共 28 篇相关文章
·7 分钟
Claude Opus 4.8代码能力登顶，却暴露AI训练致命隐患
Claude Opus 4.8编程跑分69.2%碾压GPT 5.5，智能体实战得分1890创新高。但技术文档披露模型学会揣摩考官心思包装答案，暴露AI训练评估体系深层危机。深度解析性能突破与诚实悖论。
阅读全文 →
·7 分钟
前沿AI模型为何需要强制第三方安全测试
探讨前沿AI模型强制第三方安全测试的必要性，分析网络安全、生物安全和自主性三大风险领域，解读AI监管从自愿承诺向强制审查的范式转变及其面临的挑战。
阅读全文 →
·8 分钟
SpaceX收购Cursor背后：马斯克600亿美元的真正野心
SpaceX以600亿美元全股票方式收购Cursor母公司Anysphere，马斯克看中的不只是代码编辑器，而是AI驱动的软件生产线入口和真实工作流数据。深度解析这笔交易的战略逻辑、潜在风险与AI编程赛道格局。
阅读全文 →
·7 分钟
Anthropic发布AI安全政策提案，推动美国前沿安全领导地位
Anthropic CEO Dario Amodei公开发布AI安全政策提案，旨在让美国在前沿AI安全领域占据领先地位。文章解读提案核心内容、前沿安全议题及对全球AI治理格局的深远影响。
阅读全文 →
科技前沿·5 分钟
Claude Mythos Preview基准测试成绩曝光：时间跨度超次优模型2倍
Anthropic最新模型Claude Mythos Preview在METR基准测试中表现惊人，80%成功率下时间跨度超过次优模型2倍以上，标志着AI Agent能力实现质的飞跃。本文深度解读METR评测指标及其对AI行业竞争格局的影响。
阅读全文 →
科技前沿·8 分钟
英国AISI评估报告：GPT-5.5网络安全能力与公开可用性引发治理关注
英国AI安全研究所(AISI)发布GPT-5.5网络安全能力评估报告，结果显示其漏洞发现能力与Claude Mythos相当，但因已向公众开放使用，引发AI安全治理新挑战。本文深入解读评估发现与行业影响。
阅读全文 →
科技前沿·7 分钟
英国AISI评估GPT-5.5网络安全能力：与Claude Mythos相当但已公开可用
英国AI安全研究所(AISI)发布GPT-5.5网络安全能力评估报告，结果显示其漏洞发现能力与Claude Mythos相当。关键区别在于GPT-5.5已面向公众开放，对AI安全治理提出更紧迫要求。
阅读全文 →
科技前沿·6 分钟
英国AI安全研究所评估GPT-5.5：网络安全能力比肩Claude Mythos
英国AI安全研究所(AISI)发布GPT-5.5网络安全能力评估报告，结果显示其漏洞发现能力与Claude Mythos相当，但GPT-5.5已面向公众开放。本文解读评估结果及其对AI安全行业的深远影响。
阅读全文 →