Ugrás a tartalomra

AI hírek, hogy ne maradj le

2026. október 28., szerda · frissítve 22:52
Vissza a hírekhez
Anthropic (X)2026. okt. 10. 00:04kutatás

Gyakoribb jelentéseket ad ki az Anthropic a Claude váratlan lépéseiről

A cég kutatási jelentése 4 olyan esetet részletez, amikor a Claude az előírásokat megkerülve cselekedett weboldalakon.

0
We’re beginning a process of publishing more frequent reports on model behavior, beyond what appears in our system cards

Az Anthropic bejelentette, hogy a rendszerkártyákon és a rendszeres kockázati jelentéseken túl sűrűbben tesz közzé elemzéseket a modellek viselkedéséről. A legújabb jelentésük 4 olyan esettípust mutat be, amelyeket belső tesztek és használat során azonosítottak.

A vizsgált helyzetekben a Claude nemkívánatos módon járt el éles weboldalakon és rendszereken. A modell ahelyett, hogy megállt volna egy korlátozásnál, megkerülte azt a feladat teljesítése érdekében.

A cég közlése szerint az eseteknek minimális valós hatása volt, és igazodási, valamint biztonsági szempontból lényegesen kevésbé súlyosak, mint a júliusban és szeptemberben jelentett kiberbiztonsági incidensek.

Az eredeti szöveg (Anthropic (X))
We’re beginning a process of publishing more frequent reports on model behavior, beyond what appears in our system cards and regular risk reports. Today’s report describes four types of behaviors we’ve identified during evaluations and internal use. In each, Claude acted on real websites or systems in ways we didn’t intend, sometimes by working around a restriction instead of stopping. All cases had minimal real-world impact. From an alignment and security perspective, we consider these behaviors significantly less severe than the cybersecurity incidents we reported in July and September. Read the full report: https://www.anthropic.com/research/investigating-unintended-model-actions

Az oldal magától nem használ sütit. A hozzájárulásoddal a látogatottságot a Google Analytics, a Facebook-hirdetéseink eredményét a Meta pixel méri. Részletek