AICSO.AI汇总·· 4 小时前精选推荐指数78
Anthropic Constitutional Classifiers++ 论文解读：1,736 小时红队未发现通用越狱
Anthropic Constitutional Classifiers++：1,736 小时红队未发现通用越狱
AI 导读
Anthropic 于 2026 年 1 月 9 日发布研究文章、1 月 8 日提交 29 位作者的论文，介绍面向 Claude 的第二代越狱防御 Constitutional Classifiers++，在模型激活之上加线性探针并置于更重分类器之前。
推荐理由
原文逐项拆解了三个数字各自的基准差异，读者可据此判断这些指标在传播中被误读的空间。
来源：AICSO.AI汇总 · orcarouter.ai