S
SkillNav

Anthropic 发布宪法分类器++：防御越狱攻击更高效

深度Anthropic2026年1月9日5 分钟阅读
Anthropic 发布宪法分类器++：防御越狱攻击更高效
Anthropic 最新发布的宪法分类器++（Constitutional Classifiers++）将越狱攻击成功率从初代的 4.4% 进一步降低，计算开销却从 23.7% 大幅降至约 1%。这套两阶段架构结合了轻量级探针和更强大的分类器，在保持高防御能力的同时，将无害查询的拒绝率降低了 87%。
本文编译自 Next-generation Constitutional Classifiers: More efficient protection against universal jailbreaks，版权归原作者所有。

觉得有用？分享给更多人

获取每周 AI 工具精选

工具推荐、实战教程和生态洞察，每周更新。

关注 @skillnav_dev →阅读周刊

相关文章

Cursor 推出 Composer 2.5，降价叫板 Opus 和 GPT

Cursor 发布 Composer 2.5，基于 Moonshot Kimi K2.5 模型，性能在多项基准测试中接近 Opus 4.7 和 GPT-5.5，但输入/输出 token 价格仅为 $0.50/$2.50 每百万，远低于竞品。该版本改进了长期运行任务和指令遵循能力，但也存在奖励黑客等副作用。

深度The New Stack·5月20日·5 分钟

ChatVis：LLM代理生成科学可视化

ChatVis利用大语言模型辅助生成ParaView科学可视化的Python代码，无需微调模型。通过链式思维提示简化、检索增强生成和迭代错误反馈，显著提升了代码生成成功率。

深度·5月20日·40 分钟

评论