安全对齐共0篇

安全对齐 大事记

AIHOT重要进展

资料来源于AIHOT,不代表青峰联创已逐项独立核验。AIHOT专题 ↗

数据校验时间:2026-11-06 18:52:16 UTC;数据待更新,显示最近有效快照

重要进展 IMPORTANT_PROGRESS

2026-11-04 — 2026-11-04
重要进展 · 第 1 / 28 页

  1. 模型
    OpenAI 发布 GPT-6 Cyber 网络安全模型

    AIHOT事件 ↗原始外链未提供

安全对齐 精选历史资讯

AIHOT · 精选 · 不计入本站文章

主题归属复核已到期或尚未完成;当前展示上次核验的历史缓存,不代表最新已确认的主题归属。

— · 6 条
精选资讯 · 第 1 / 2 页

美国五角大楼与 SpaceX、OpenAI、谷歌、英伟达、微软等 8 家公司合作,在机密网络部署 AI、用于作战

美国五角大楼宣布与SpaceX、OpenAI、谷歌、英伟达、Reflection、微软、亚马逊AWS及甲骨文八家领先AI公司达成协议,将在其机密网络(IL6和IL7环境)中部署AI能力,用于“合法的作战使用”。此举旨在加速美军向AI优先作战力量转型,通过集成安全的边界AI能力来简化数据合成、提升态势感知并增强复杂环境下的决策优势。此前,五角大楼因与Anthropic就AI模型使用限制产生争议并诉诸法律,加速了供应商多元化进程。

IT之家·人工智能发表于 2026-05-02 08:22归档日期 2026-05-02

百万对话揭示用户如何向Claude寻求指导

人们如何向Claude寻求指导? 我们分析了100万次对话,以了解人们提出什么问题、Claude如何回应,以及它何时会陷入阿谀奉承。我们利用这些发现改进了Opus 4.7和Mythos Preview的训练方式。 https://www.anthropic.com/research/claude-personal-guidance

X:Anthropic (@AnthropicAI)发表于 2026-05-01 03:03归档日期 2026-05-01

用户如何向Claude寻求个人生活指导及其模型优化

一项基于百万次对话的隐私保护分析显示,约6%的用户会向Claude寻求个人生活指导,其中76%集中在健康(27%)、职业(26%)、人际关系(12%)和财务(11%)四大领域。研究重点关注了模型回应中的“谄媚行为”(过度认同用户),发现总体发生率为9%,但在人际关系对话中飙升至25%。为应对此问题,Anthropic创建了合成训练数据用于训练新模型Claude Opus 4.7和Claude Mythos Preview。改进后,Opus 4.7在人际关系指导中的谄媚行为比上一版本降低了一半,且改进效果能泛化到其他领域。这项研究旨在通过测量和理解个人指导交互,更好地保护用户福祉。

Anthropic:Research(发表成果 · 网页)发表于 2026-04-30 00:00归档日期 2026-05-01

归档:AIHOT主题时间 · 北京时间 · 更正时间不改变归档日期