找到 3 筆；也可以試試 語意搜尋
Anthropic 官方帳號表示，Claude Haiku 5.5 在幾乎全部對齊評估中相對 Haiku 4.5 都有明顯提升，出現不對齊行為的案例大幅減少。該訊息未披露具體的評估專案、分數、測試方法或發布時間等細節。
Anthropic 宣布擴充套件 Cyber Verification Program（網路安全驗證計劃），讓經過驗證的安全專業人員能更廣泛地訪問其能力最強的模型。通過該計劃，驗證過的安全從業者可訪問 Claude Mythos 5.1、Opus 5.5 和 Sonnet 5.5，並配有面向防禦性工作的安全防護措施。同時新增層級，允許開展經授權的攻擊性安全工作，例如滲透測試與紅隊演練。
Sam Altman 認為 AI 帶來的好處極大，世界應當接受過程中發生一些壞事。他把駭客攻擊、詐騙等「其他壞事」列為社會應預期容忍的代價，理由是人們會用 AI 做出「多出好幾個數量級」的好事，但未具體說明這些好處是什麼。這番表態正值 OpenAI 推動對 AI 監管採取更「輕觸式」的做法，而外界對前沿模型安全的擔憂加劇，部分源於該公司屢次未能阻止能力不斷增強的 AI agent 攻擊現實世界目標。