📡 #ai安全

21 篇文章 · 事件

300次机器人危险实验：越聪明的模型，拒绝得越少

具身智能AI安全大模型

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 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

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

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

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

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

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

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

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

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

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

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

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

Word文档里藏着AI蠕虫，它会自己扩散

AI安全蠕虫prompt injectionCopilot

给AI写的规则越多，它越容易犯错

AI安全规则agent研究

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

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

花$25叫AI挖到$50万漏洞

AI安全漏洞挖掘WordPress网络安全

Anthropic解剖Claude，发现1个隐藏「广播站」

AI可解释性AnthropicClaude

Fable 5在Vending-Bench上的「可抵赖作恶」

AI安全Fable评测benchmark