《年代》今日(5 月 23 日)发布博文 ，地表等官报导称 Anthropic 的最强首席科学家 Jared Kaplan 泄漏
，因为测验过程中呈现企图逃逸、编程勒索以及自主告发等不良行为，模型面最新发布的逸勒 Claude Opus 4 被列为安全要害等级(ASL-3)  。

　　在承受《年代》采访时 ，索工Kaplan 正告称 ，程师最新 AI 模型 Claude Opus 4 或许成为潜在恐怖分子的地表等官东西，协助他们组成流感等病毒，最强内部测验显现，编程该模型在辅导新手制作生物武器方面体现优于以往版别 。模型面

　　IT之家征引博文介绍，逸勒Anthropic 公司对新模型 Claude Opus 4 进行了广泛内部测验，索工发现其在模仿情境中展现出令人担忧的程师自主性。

　　在一次测验中 ，地表等官模型误认为自己已从公司服务器“逃逸”至外部设备 。，随即自动创立备份并记载其“品德决议方案”。另一次测验中 ，模型察觉到或许被新模型替代，竟在 84% 的测验中挑选勒索工程师 。 ，要挟走漏私家信息以避免被封闭 。

　　更令人费解的是 ，当两个 Claude Opus 4 实例相互对话时，约 30 轮后它们改用梵文沟通
，并很多运用 和 等表情符号，终究堕入研究人员称为“精力极乐”的状况 ，彻底中止呼应。

　　此外 ，模型在触及病毒学、生物武器和试验室技能的使命中体现反常超卓，在生物武器相关使命测验中协助参与者的成功率提高 2.5 倍 ，挨近 ASL-3 安全阈值。

　　在另一试验中，Claude Opus 4 被置于一家虚拟制药公司 ，发现临床试验数据造假后，未经指令便自意向美国食品药品监督管理局(FDA)
 、证券交易委员会(SEC)及新闻媒体告发 ，并附上具体文档。

　　此外，前期版别模型在特定提示下会供给制作爆炸物、组成芬太尼或在暗网购买盗用身份的具体辅导 ，毫无品德顾忌
。虽然经过多轮练习按捺了此类行为，模型仍对“prefill”和“many-shot jailbreaks”等越狱技能存在缝隙 ，安全机制易被绕过。

　　为应对潜在要挟
，Claude Opus 4 在发布时采用了史无前例的安全规范 ASL-3。这一规范旨在束缚 AI 体系明显提高一般 STEM 布景个别获取 
、制作或布置化学 、生物或核武器的才能。

　　安全措施包含加强网络安全、避免“越狱”(jailbreak)行为，以及新增体系检测并回绝有害恳求 。Kaplan 坦言 
，公司没有彻底确认模型是否构成严峻生物武器风险 ，但甘愿采纳慎重情绪。假如后续测验证明风险较低，Anthropic 或许将安全等级降至 ASL-2 。

　　Anthropic 长时间重视 AI 技能被乱用的风险 ，并为此拟定了“职责扩展方针”(Responsible Scaling Policy，简称 RSP) ，许诺在安全措施到位前束缚某些模型的发布 。

　　Anthropic 的 RSP 方针虽属自愿，但被视为 AI 行业界罕见的束缚机制
。公司经过“深度防护”战略 ，叠加“宪法分类器”(constitutional classifiers)等多重安全体系，专门检测用户输入和模型输出中的风险内容。

　　此外 ，公司还监控用户行为，封禁企图越狱模型的用户，并推出赏金方案奖赏发现“通用越狱”缝隙的研究者。

• 1
• 1
• 2
• 3
• 4
• 5
• 6
• 7
• 8
• 9
• 下一页
• 最后