标签: 模型安全 (2 篇)

Anthropic发布Claude Opus 4.7，重点提升复杂编码和长时任务处理能力，其“自我验证”机制标志着AI智能体向更高自主性迈出关键一步。

研究发现主流大模型返回的加密推理块存在跨模型重用密钥漏洞，可通过弱模型越狱还原强模型原始思维链，揭示推理轨迹安全与提示注入新风险。