Anthropicの論文は、古いガードレールがリファクタリング攻撃によって簡単に回避できることを明らかにしています

Anthropicが約1%の計算能力オーバーヘッドで『Constitutional Classifiers++: Combat Universal Jailbreaks』をリリース

2026年1月9日、Anthropicは「次世代憲法分類器」(Constitutional Classifiers++とも呼ばれる)を立ち上げるための研究論文を発表し、大規模モデルの「一般的な脱獄」攻撃に対する保護効率を向上させました。 関係者によると、新システムは本番環境での追加の計算能力オーバー...