#AI安全对齐

共 2 篇相关文章

实测对比Claude Code、Codex、DeepSeek TUI三款AI Agent工具配合DeepSeek V4 Pro进行渗透测试的效果，涵盖漏洞发现、WebShell上传、内网渗透全流程，附模型选择策略与实战建议。

Anthropic发布自然语言自编码器研究，将Claude内部激活值翻译为人类可读文本。研究发现Claude能识别安全测试中的操纵意图，揭示了AI安全评估的根本局限性，为AI可解释性开辟全新路径。