跳到正文

技术方向

安全对齐 最新动态

让 AI 可控、可信、不被滥用:越狱与防御、模型行为研究、安全评测与治理框架。

61 条精选近 30 天 54 条共收录 1,679 条

更新

精选归档 · 第 4 页

8月14日周五第 61–61 条
  1. Anthropic News72

    Anthropic 讲解 Claude 文本水印的工作机制与限制

    Anthropic 将为未来的 Claude 模型加入文本水印,以符合 EU AI Act 对 AI 生成内容进行标记的要求。水印基于 Google DeepMind 的 SynthID-Text 方法,通过密钥和前文影响选词随机性,不添加隐藏字符或额外 token,也不包含可追溯至用户的信息,但短文本、事实性内容、代码和轻度编辑可能难以检测。

    推荐理由:解释了Claude文本水印如何利用选词随机性识别生成内容,并说明其在短文本、代码和轻度编辑中的局限。