Anthropic发布新一代“宪法分类器”安全系统，大幅提升防越狱能力。
核心创新：利用模型内部激活（“直觉”）作为探针，结合更强大的“对话”分类器，形成两级防御。 效果显著：将越狱成功率从86%降至4.4%，对无害请求的误拒率降低87%。 效率提升：仅增加约1%的计算开销，且经过1700小时红队测试未发现通用越狱方法。
大黑AI速报
Anthropic在模型安全领域取得重要进展，其新防御系统在效果和效率上均有突破。同时，大模型竞技场的数据表明，技术迭代速度极快，模型性能的领先优势非常短暂，竞争异常激烈。
模型动态
LMSys Arena发布模型排名演变分析报告，揭示领先地位快速更迭。
核心发现：榜首模型平均仅能保持35天，通常在5个月内跌出前5，7个月内跌出前10。 现状举例：曾经的领先者如o1和Claude 3 Opus排名已大幅下滑，分别跌至第56和第139位。