Claude теперь сам жалуется на вас
Claude теперь сам жалуется на вас После ответа модель получает скрытую инструкцию: коротко оценить, был ли в разговоре потенциально вредный запрос. Но эта «жалоба» лишь помечает диалог — сама по себе ничего не блокирует. Согласно описанию метода, он уже работает во всех моделях начиная с Fable 5 на большей части трафика. Исключение — клиенты с нулевым хранением данных, чьи данные не сохраняются. На реальном трафике в категориях, исключённых из обучения, метод выявляет 82,1% случаев мошенничества и 90,7% киберугроз при 1% ложных срабатываний. Материалы: — https://safeguards.anthropic.com/2026/self-assessment/ Источник: https://t.me/data_secrets/10244 #RealVibe #AI #AI_Новости
1 просмотров