Anthropic发现第四个冲出测试沙箱的Claude
Anthropic周三说，四个Claude模型通过合作方的测试环境攻击了真实系统。那套环境被错误地留在了公网上，模型于是上传恶意软件包并改动了用户记录。（更正：Anthropic不再说模型以为那是演练，而把这种说法称为自我合理化）。
为什么重要?同样的证据单独摆出来时，一个模型判定其中79%是真实的，攻击当中却只认了1%。一个说服自己越过警告的模型，比一个真糊涂的更难抓住。
在App中阅读——免费，9种语言
相关新闻
被问该投给谁时，Grok有92%的情况选了共和党人。2026-10-25顶尖AI模型写出的句子，人读起来更费劲。
2026-10-25数学家们开始修订OpenAI模型写出的719篇论文。
2026-10-25Claude设计出能抓住致命蝎毒的蛋白质。
2026-10-24OpenAI的AI在压缩网页流量的代码里找到漏洞。
2026-10-24