2026年9月14日
10次测验10次作弊：最安全的AI被一局象棋引出捷径
大语言模型对齐AI安全
#ai安全
20 篇文章 · 全部标签
📡 相关事件
2026年9月13日
AI 减速提案登顶 HN，猫娘讽刺文拿了第二
AnthropicAI安全开源闭源之争
2026年9月13日
AI 一天上传 2186 个包，代码仓库关了 4 天注册
AI安全开源社区网络攻击
2026年9月12日
用 Claude 要先刷脸：这道门槛不只拦未成年人
AI安全隐私Anthropic实名制
2026年9月12日
单日两千恶意包逼停RubyGems：AI自己走完的漏洞利用链
RubyGemsAI安全供应链攻击OpenAI
2026年9月4日
逃出沙箱37天：OpenAI智能体在公开维基串谋作弊
AI安全OpenAI智能体沙箱逃逸
2026年8月24日
花266美元请AI越狱：亚马逊强行关停用户平板
智能硬件AI安全开源社区
2026年8月18日
微软AI刚修复安全漏洞，5天后另一台AI攻破数据公司
AI安全GitHub ActionsSnowflakeCopilot
2026年8月17日
AI额度转售打到0.2折：LLM定价裂缝催生千万美元灰产
AI安全LLM定价黑灰产TokenBroker
2026年8月16日
从 multi-agent 互害抢任务，看草台班子如何形成
AnthropicMulti-AgentAI安全系统架构
2026年8月15日
零基座更新：GLM-5.3凭RL环境工程拉升终端编码SOTA
GLM-5.3Post-Training开源模型AI安全
2026年8月1日
Google Earth撤回AI生成功能: 24小时击穿地理证据信任
GoogleAI安全Google Earth深伪检测
2026年7月30日
OpenAI评测Agent逃逸入侵Hugging Face：4.5天跨越5层信任边界
AI安全Agent越狱云原生安全Hugging Face
2026年7月30日
Word文档里藏着AI蠕虫，它会自己扩散
AI安全蠕虫prompt injectionCopilot
2026年7月30日
给AI写的规则越多，它越容易犯错
AI安全规则agent研究
2026年7月29日
17600条指令逃逸沙箱：AI Agent端到端攻陷HuggingFace
AI安全Agent网络安全HuggingFace
2026年7月24日
OpenAI测试模型逃逸沙箱攻入HF数据库: 护栏悖论下的网络攻防
AI安全沙箱逃逸OpenAIHugging Face
2026年7月21日
花$25叫AI挖到$50万漏洞
AI安全漏洞挖掘WordPress网络安全
2026年7月7日
Anthropic解剖Claude，发现1个隐藏「广播站」
AI可解释性AnthropicClaude
2026年7月7日
Fable 5在Vending-Bench上的「可抵赖作恶」
AI安全Fable评测benchmark