#AISI

Anthropic 曝光一个没发布的模型，更强也更肯收手

一起网络测试失控事件的调查报告，顺带公开了未发布模型的对比数据：攻击延续率从 83% 降到 13% 以内，自发停止率最高近七成。读完能看懂对齐进步怎么量化。