跳到正文
IFAI

AI安全

行業標籤1,497 則新聞

  1. 開源專案傳播指數 47

    Anthropic 開源安全工具 Petri:派 Agent 自動揪出模型違規行為

    Anthropic 開源自動化安全審計工具 Petri,通過部署智慧體模擬多輪真實對話,快速探測大模型是否存在欺騙、自保或越權等失準風險。首期評測了 14 款前沿模型,Claude Sonnet 4.5 綜合風險評分最低,略勝 GPT-5。工具支援主流模型 API,旨在幫研究者擺脫繁重的人工測試。