如果你不训练你的 CoTs 让它们看起来不错，你可能会通过监控它们获得一些安全性。 这似乎是个好主意！ 但我对这是否足够可靠以在安全案例中承担负载持怀疑态度。 此外，随着 RL 的扩展，我预计 CoTs 会变得越来越难以理解。

哇，OpenAI推出了新文件功能

关于Claude 4有太多值得喜爱的地方！我最喜欢的是这个模型如此强大，以至于我们不得不根据Anthropic的责任扩展政策开启额外的安全缓解措施。

我们挑战你突破我们的新越狱防御！ 共有8个级别。你能找到一个越狱方法来击败它们吗？

人类制造了与我们像人一样交谈的机器，而现在每个人都表现得这很正常。这真是太疯狂了。