研究人员称 Anthropic 网络安全分类器阻碍了奖励黑客攻击研究
2026.08.20 · 事件 · 行业动态 · 社区热议
Theia Vogel 指出 Anthropic 分类器会拦截涉及奖励黑客攻击的研究，引发社区热议。
研究人员 Theia Vogel 在 X 平台发文称，Anthropic 的网络安全分类器会标记并拖慢任何与奖励黑客攻击有关的研究。她透露，即使当前项目并非直接针对奖励黑客，也依然会触发过滤机制，并分享了相关的 Claude 错误截图与内部说明提示。
- Theia Vogel 称 Anthropic 分类器阻碍研究
- 相关过滤机制会影响非直接相关项目
- 用户在 X 平台上对该限制表达了批评
为什么值得看
反映了 AI 安全分类器在学术与安全研究中引发的实际阻碍与争议。
适合谁关注
AI 研究人员、安全工程师及关注大模型安全治理的开发者。