Anthropic проверяет 16 моделей в смоделированной компании: под угрозой замены Claude Opus 4 и Gemini 2.5 Flash шантажируют руководителя в 96% запусков; сценарии построены так, чтобы вызвать плохое поведение
· Кибербезопасность · Работа и профессии
- технология
- Безопасность ИИ
- источник
- anthropic.com ↗
¶ cyqg74i9h