快讯列表

关于 可解释性 的快讯列表

时间 详情
2026-01-09
13:30 UTC
Anthropic发布下一代宪法式分类器:更强LLM越狱防护与更低安全成本

据@AnthropicAI称,Anthropic发布了下一代宪法式分类器,用于强化大语言模型的越狱防护,并将其可解释性研究应用于安全层,使防护更有效且成本更低,信息来自其研究公告 来源: https://www.anthropic.com/research/next-generation-constitutional-classifiers 与 来源: https://twitter.com/AnthropicAI/status/2009739650923979066。对交易者的要点来自该来源包括更强的越狱防护与更低的安全开销,这两点均由Anthropic明确给出 来源: https://www.anthropic.com/research/next-generation-constitutional-classifiers 与 来源: https://twitter.com/AnthropicAI/status/2009739650923979066。

来源
2025-12-18
15:19 UTC
AI安全:@gdb宣布链式思维可监控性评估新进展——对加密市场暂无直接信号

据@gdb称,已有关于评估链式思维可监控性质量的新工作,他将其描述为有助于安全与对齐的积极机会,因为它让更容易看到模型在思考什么。来源:@gdb 于 X,2025-12-18,https://twitter.com/gdb/status/2001794601850708437。该帖未提供任何指标、数据集、代码、发布时间表,亦未提及加密资产或市场影响,因此没有直接的交易信号;对加密交易者的即时要点仅限于“AI安全研究进展”的标题级信息。来源:@gdb 于 X,2025-12-18,https://twitter.com/gdb/status/2001794601850708437。

来源