Topic Timeline

#METR

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。
研究论文2026-06-26 · 周五深度报告 →
MirrorCode:只凭运行行为重写整套软件,Opus 4.7 用 14 小时抵人类数周
Epoch AI 联合 METR 等机构发布 MirrorCode 基准:AI 仅凭可执行二进制的输入输出行为(无源码)重写整个 CLI 程序,覆盖 25 个目标、6 种语言,用含隐藏测试的端到端测试判定一致。最强模型 Claude Opus 4.7 全基准 56%(8 个月前约 30%);典型案例 14 小时重写 1.6 万行 Go 工具包 gotree、通过 2000/2001 测试、花 251 美元,人类估计需 2-17 周;单任务一次尝试最贵耗 2600 美元、跑 19 天。