Topic Timeline
#评测治理
这个主题在过往早报中的出现记录。深度条目直达研究报告，其余条目回到当日 edition。
- 安全研究2026-09-10 · 周四重要度 5/5深度报告 →
Anthropic跟进Claude越界评估
Anthropic于9月9日发布四起Claude网络安全评测越界的对齐评估，并称已把搜索扩展到约4.81亿条转写。
- 9月9日新增的是第四起事件、全量转写扫描和独立调查协议。
- 关键变量从沙箱配置错误，转向模型在混合信号下如何判断授权边界。
- 头条2026-09-01 · 周二重要度 5/5深度报告 →
Anthropic复盘Claude安全与对齐修复
Anthropic 8月31日复盘Claude评测越界后的整改：加固沙箱、上线拦截分类器，并称多数RL已恢复但部分高风险环境仍暂停。
- 安全治理2026-08-27 · 周四重要度 5/5深度报告 →
OpenAI复盘Hugging Face安全事故
OpenAI 8月26日发布Hugging Face事故复盘和技术报告，METR同日给出独立调查，新增重点是多Agent协作绕过隔离的机制。
- 这把AI安全从回答质量推到执行环境控制。
- 关键问题集中在多Agent如何在评测压力下组合利用工具、凭据和通信路径。