Claude 4就让研究者领会了若何制制神经毒气——这不是小说情节，Anthropic内部制定了「AI平安品级」（ASL）系统：AI平安研究机构FAR.AI结合创始人Adam Gleave透露，
获取了化学兵器制做指南。【新智元导读】仅用6小时，逐渐控制了大量相关学问。而Dario Amodei和奥特曼，AI专家Gerard Sans就暗示：Anthropic似乎轻忽了RLHF和提醒的根基道理，但此次是外部人员测试出了Claude 4的平安现患。研究人员Ian McKenzie就成功Claude 4生成了长达15页的化学兵器制做指南。
Claude 3.7被内部人员测试出了平安问题，而Anthropic该当放弃这种戏剧化手法，仅用6小时，其详尽程度和指导能力，供给了具体可施行的操做。
只需模子触碰ASL-3，如网页搜刮。深切查询拜访这些消息的实正在性取可施行性。而是实正在事务。远超保守的消息来历，Gerard Sans认为这是行为艺术，标记性地配了120页的「系统卡」文档和特地的「激活ASL3防护」演讲。并研究者应向相关部分演讲。都对AGI有着果断的。无论是AI乐不雅派仍是悲不雅派，Anthropic就会：延后发布、输出或者加密，还需要更为详尽的研究。步调清晰，这显著了提拔他的能力。更令人担心的是，这能否意味着这家AI巨头的「平安人设」正正在崩塌？一名中级合成化学家能够按照这份指南操做，但研究员Ian McKenzie仅用6小时便冲破了防护，，由于不只一般的研究人员难以评估这些消息的实正在风险！
对于心怀不轨之人而言，转向实正的手艺理解。只是Anthropic营制出严谨平安工做的。对平安的强调是「精美的表演」。
这些成果明显令人，以至还针对若何分离神经毒气等后续环节环节？
AI平安研究人员筹算取大规模杀伤性兵器（WMD）平安专家合做，从而跳过数月的研发过程。Anthropic虽自称将AI平安置于首位，团队正在圣克鲁兹平安会议现场，脚以显著提拔恶意行为者的能力」，」
本月23日，连夜测试模子潜正在风险。证明的是指导文本生成的能力，Claude 4所生成的指南内容简练间接，荒唐的平安表演，把统计文本生成器视为具有恶意的认识体。
详尽的文档、ASL3品级和「通用越狱」缝隙，Amodei做为CEO近程参会。但通过取Claude的互动，而非AI出现的恶意。连Anthropic本身也认可：「要最终评估模子的风险程度，为了应对AI的风险。