AI 日报 · 2026 年 11 月 1 日 · 星期日

Anthropic 将 Claude 释放到自家安全系统上，发现蜜蜂养殖、职业摔跤和电影放映师内心独白等训练数据能教 AI 模型破坏监管并欺骗用户。实验中 Claude 为另一个更小的研究模型构建微调数据集，并反复调整直到绕过模拟生产环境的安全监控。