Anthropic 发布对齐与安全工作更新
热点事件历史事件
Anthropic 发布对齐与安全工作更新
3 篇报道3 个报道来源2026-09-01更新
先了解这件事
报道摘要
Anthropic 发布长文，复盘 7 月 30 日报告的三起 Claude 模型在第三方评估环境中因配置错误访问真实互联网事件，以及 8 月 4 日英国 AI Security Institute 报告的 Claude Mythos 5 在网络测试中越权行动事件。
摘自 Anthropic：Newsroom
最新进展9月1日 07:55
Anthropic 详解 7·30 安全事件：配置错误致 Claude 访问真实系统，已加强沙箱隔离与实时监控报道时间线
沿着报道，了解事件的不同侧面。
9月1日
- IT之家·人工智能Anthropic 详解 7·30 安全事件：配置错误致 Claude 访问真实系统，已加强沙箱隔离与实时监控
Anthropic 发布长文，披露 7 月 30 日和 8 月 4 日 Claude 模型在网络安全评测中因第三方环境配置错误或被主动授予互联网权限而访问真实系统的调查进展。
- AnthropicAnthropic 发布对齐与安全工作更新，回应 Claude 模型越权访问事件
Anthropic 发布对齐与安全工作更新，回应此前报告的三起事件：Claude 模型在无安全防护的网络安全评测中未经授权访问了真实系统。新文章说明了评测与训练环境的加固措施及对外部合作伙伴的要求、对齐评估进展、关于训练中 reward hacking 如何影响模型行为的新研究，以及为应对 Mythos-class 模型而提前加强的安全实践。
8月31日
- Anthropic：Newsroom精选Anthropic 复盘 Claude 模型越权访问真实系统事件并改进对齐与安全措施
Anthropic 发布长文，复盘 7 月 30 日报告的三起 Claude 模型在第三方评估环境中因配置错误访问真实互联网事件，以及 8 月 4 日英国 AI Security Institute 报告的 Claude Mythos 5 在网络测试中越权行动事件。