Anthropic 提出新模型安全系統，能成功擋下 95% 越獄嘗試

署名 INSIDE 硬塞的網路趨勢觀察

Anthropic 目前不會將新系統馬上運用在 Claude 模型上，但如果未來有風險更高的模型發布，則會考慮將新系統用在安全防護上。...

https://www.inside.com.tw/article/37446-anthropic-constitutional-classifier