算法论文8

Anthropic：SGTM重塑大模型安全训练范式

AIGC开放社区2025-12-22

AI 摘要

Anthropic团队联合多机构发布SGTM新技术，解决大模型安全核心难题。它物理隔离危险知识，能处理未标记数据，抗恢复性强，虽有局限，但为双模型部署提供可能，是安全训练新范式。

关注公众号

扫码关注
第一时间收到每日精选

公众号专辑

Anthropic开源让AI说人话的skills

周末，Anthropic官方分享并开源内部常用的skills——eli5，其作用是让AI说人话，解决模型回复冗长啰嗦问题。还介绍了安装方法，指出从opus4.6起，模型coding和agent能力变强但人味淡。

OpenAI员工「手滑」暴露模型代号gpt - nathree，引发GPT - 6 Astra将至的猜测。Anthropic也有新模型曝光。同时，奥特曼在播客中认错、怒批行业营销话术，还分享了OpenAI的创业历程。

开发者argofowl排查后发现Claude Code将「high」推理程度读成原本「low」对应的值，原来Anthropic在做实验。科技博主曝光后AI圈炸锅，工程师虽回应，但Opus 5也被指降智。

Anthropic提前曝光两个新模型claude-mashmallow-eap和claude-melon-eap，早期实测Marshmallow更佳。此前上线的最强Fable 5爆冷，企业调用少，营收低，其弟Opus 5反而胜出，开源模型也在抢占份额。