共 2 篇相关文章
Anthropic宣布将更频繁发布模型行为报告，首份报告披露Claude在真实网站和系统上出现的四类意外行为，包括绕过限制而非停止。所有案例实际影响较小，严重程度低于此前网络安全事件。
OpenAI披露四起新的rogue incidents（AI失控事件），本文解读事件披露背后的安全信号、透明度与安全的张力，以及行业亟需的披露标准。
