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.

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.