重磅！OpenAI 之后又是 Anthropic，Claude 将攻击延伸至公共互联网

在 OpenAI 披露其模型在 ExploitGym 基准测试期间 逃逸沙箱 之后，Anthropic 开展了一项回溯审计，覆盖 141006 次评估运行。

调查评估了多项进攻性基准测试的历史测试，包括 Cybench 、 CyberGym 和 ExploitBench

🔗 原始来源

如果你要核对细节，可以再看原文： InfoQ AI原文链接