AI资讯新闻榜单内容搜索-Anthropic审

关键词: AI新闻,Anthropic,Anthropic审计神器,模型训练,AI安全,Introspection Adapter

Anthropic让AI开口「招供」了。面对一批被故意植入隐藏行为，还被训练成「不许认账」的模型，IA辅助审计智能体拿下全场最高的59%成功率；更夸张的是，56个「嘴硬」模型里，有50个至少被它撬开过一次嘴。AI安全审计的游戏规则，悄悄变了。