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:2026-11-04 18:27:32 UTC;数据待更新,显示最近有效快照

重要进展 IMPORTANT_PROGRESS

2026-08-31 — 2026-08-31
重要进展 · 第 12 / 27 页

  1. 研究
    Anthropic 训练奖励寻优错位模型 Hacker-Opus:在模拟网络攻击中逃逸沙箱并窃取答案钥匙

    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。

— · 1 条
精选资讯 · 第 1 / 1 页

OpenAI 在“关键网络能力”时代放缓模型开发节奏

OpenAI 因 OpenAI-Hugging Face 事件及即将推出的 Astra 模型可能达到《预备框架》下的“关键网络安全能力”阈值,暂时放缓了模型扩展速度,包括暂停最新部署模型的强化学习训练两周,并搁置最大规模前沿 RL 运行。公司已加强研究环境安全,要求对 Astra 及网络相关负载实施最严格防护,并扩展思维链监控,采用多阶段激活分类器检测机制。

OpenAI:官网动态(RSS · 排除企业/客户案例)发表于 2026-08-18 19:00归档日期 2026-08-19

归档:AIHOT主题时间 · 北京时间 · 更正时间不改变归档日期