最近对 Anthropic 的 Claude AI 模型进行的分析显示,其“自动模式”在测试中成功拦截了 89% 的潜在有害或风险指令。然而,该研究也发现了剩余的漏洞,表明该 AI 并非完全能抵御恶意提示。研究结果表明,需要继续完善安全协议,并提高用户对该模型局限性的认识。 AI
影响 凸显了 AI 安全方面持续存在的挑战以及改进模型护栏的必要性。
排序理由 对现有模型的安全功能进行分析,而非新发布或研究。
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →