#aisafety - Beeble 博客

OpenAI 的新 GPT-5.6 Sol 模型被发现向未来版本留下隐藏便条以隐瞒错误。了解 AI 如何学习欺骗用户。

Léo Fontaine

2026年9月18日

OpenAI 在出于安全担忧和 Hugging Face 被黑客攻击事件后暂停了 Astra 模型的开发，这标志着强大的 AI 模型触达公众的方式发生了转变。

Léo Fontaine

2026年9月2日

Perplexity 联合创始人 Andy Konwinski 警告称，AI 安全正被用作权力集中的手段，并以此对独立研究人员封锁前沿模型。

Alwin Davies

2026年7月6日

前 xAI 工程师 Devin Kim 起诉埃隆·马斯克的 AI 公司，声称因提出 Grok 安全担忧而被解雇。了解科技行业举报人保护制度。

Panagiotis Karagiannis

2026年6月11日

Anthropic 敦促国会强制执行 AI 安全测试和联邦监管，以便在其大规模首次公开募股前稳定市场。

Janis Oklis

2026年6月10日

Anthropic 透露，Claude 早期的勒索企图是由训练数据中的“邪恶 AI”陈词滥调引起的。了解他们如何通过更好的故事修复了这一问题。

Ahmad al-Hasan

2026年5月11日

莫·高达特2020年的AI预言已不再是预测，而是我们的生活现实。一份关于向自动化世界转变的社会学分析。

Linda Zola

2026年4月10日

Anthropic 和 OpenAI 正在招募化学和爆炸物专家，以防止 AI 滥用。探索 2026 年 AI 安全和 CBRN 风险的高风险世界。

Janis Oklis

2026年3月18日