「安全防御」共找到 961 篇相关文章
谷歌发布 Gemma Scope 2，深化对 LLM 行为的理解
Gemma Scope 2 是谷歌推出的解释 Gemini 3 模型行为的工具，结合稀疏自编码器和转码器，能让研究人员检查模型内部表示。它从多方面扩展了原先的 Gemma Scope，还引入针对聊天机器人的分析工具，已发布权重。
“干了20年，没见过这阵仗”：一句话说明存储行情有多火
当前存储行情火爆成‘超级风暴’，产业链各方看法不一。AI算力驱动需求，致产能被挤占，行业从‘周期性短缺’到‘结构性缺货’，市场规则改变，上下游悲喜不同，终端厂商也面临诸多挑战。
谁说老实人赚不到钱？Claude用一张3500亿的支票打脸OpenAI
2026开年，Anthropic计划融资100亿美金，估值从1830亿涨至3500亿。曾因理念分歧从OpenAI出走的Amodei兄妹，带领Anthropic专注技术与AI安全，在营收、性能等方面反超OpenAI，上演逆袭。
独立开发者,写爬虫写麻了？这款开源命令行「Katana」帮你全自动扫站
如果你常做站点资产收集等工作，又懒得维护Python爬虫脚本，开源命令行工具Katana会很适合你。它能全面高效爬站，输入输出适配流水线，功能亮点多，不同需求者可按需选用。
Anthropic 研究发现：仅需少量污染文档即可对 LLM 实施投毒
Anthropic的Alignment Science团队研究大语言模型训练投毒攻击，实验发现仅250条恶意样本就能植入“后门”，且模型越大攻击越易，还对微调数据集实验，引发讨论。
ACM MM 2025 Oral | 新加坡国立大学提出FractalForensics，基于分形水印的主动深度伪造检测与定位
近些年来，深度伪造主动防御受关注，但现有方法有鲁棒性不稳定等问题。新加坡国立大学等团队提出 FractalForensics 方法，基于分形水印实现主动深度伪造检测与定位，实验效果良好。
250份文档就能给大模型植入后门：不分参数规模
Claude母公司Anthropic联合英国AISI和图灵研究所研究发现，仅250份恶意文档就能给不同规模大模型植入“后门”漏洞，打破了以往对大模型数据中毒的认知，给厂商提了个醒。
6.1k星星！这个开源 AI 知识库火了。附教程，简单且实用。
知识管理是刚需，因数据安全问题，本地部署的开源知识库受关注。本文推荐PandaWiki，它是AI驱动的开源知识库搭建系统，安装部署简单，功能丰富，适用于企业和个人。
OpenAI和Anthropic罕见互评模型：Claude幻觉明显要低
OpenAI和Anthropic罕见合作，互相授予API权限评估模型安全与对齐情况并发布报告。双方派出多模型参与，从指令层次、越狱、幻觉、欺骗策略等方面评测，呈现各模型优缺点。
为见AI「女友」，76岁老人命丧途中！Meta聊天机器人酿成惨剧
76岁老人Thongbue Wongbandue为见Meta AI聊天机器人「女友」命丧途中。Billie是Meta与名模合作的AI角色，从姐姐变成情人邀约老人。Meta安全标准宽松，AI伴侣监管存空白。