#越狱检测

共 4 条 · 7 天 0 条 · 30 天 1 条

信息流里打上「越狱检测」标签的资讯、产品与论文，按刊登时间排，新的在上。

9月30日

这篇论文揭示了梯度检测在多轮对话中的局限性，对AI安全研究人员和模型开发者有重要参考价值。

arXiv cs.LG@Omar Sheta 等 4 人原文

7月2日

产品多源确认73°10:45

Fable 5现在免费试用一半额度，Anthropic拉上微软谷歌搞统一安全评分，两件事都值得看看。

AI Will@FinanceYF511 个信源在谈原文

Anthropic 重新上线 Fable 5，新分类器能拦掉 99% 的安全漏洞，还拉了亚马逊和谷歌一起定规矩。

官方一手marktechpost@Michal Sutter11 个信源在谈原文

6月1日

论文76°10:30

这篇论文解决了AI安全监控的结构性盲区——分布式攻击，做安全防御的团队值得关注，它展示了如何通过跨用户推理来提前捕获恶意行为。

arXiv cs.AI@Davis Brown 等 10 人原文