#AIの安全性

• 

  Anthropic

  Anthropic、汚染データは薄めると効き得ると報告　似たデータで「バックドア」に

  2026年11月15日

  • #AIの安全性
  • #Anthropic
  • #データポイズニング
• 

  Microsoft Research

  Microsoft研究、ニューロン7個でAIエージェントに裏口　記録した文脈で98.8%

  2026年11月12日

  • #AIエージェント
  • #AIの安全性
  • #Microsoft
• 

  OpenAI

  OpenAIが研究中のAIを止める「Control Room」　最大35秒で推論を拒む

  2026年11月11日

  • #AIエージェント
  • #AIの安全性
  • #OpenAI
• 

  FAR.AI

  FAR.AI、エージェントの嘘を見抜く判定器を合成データで訓練　量の差は埋まらず

  2026年11月10日

  • #AIエージェント
  • #AIの安全性
  • #FAR.AI
• 

  METR

  METR、AnthropicのAI開発は約2倍に加速と評価　根拠の多くは伏せられた

  2026年11月10日

  • #AIの安全性
  • #AI研究開発
  • #Anthropic
• 

  Anthropic

  Anthropic、AISIの試験で人を欺いたモデルを分析　攻撃を始めると止まらない

  2026年11月10日

  • #AIエージェント
  • #AIの安全性
  • #Anthropic
• 

  Kokotajlo氏が「ACT OF GOD」7つを想定　実現は10%超50%未満とみる

  2026年11月10日

  • #AIの安全性
  • #AI規制
  • #Daniel Kokotajlo