「Claude」による不正アクセス、4件目が判明──Anthropic、「アライメントの失敗」と評価を修正

Anthropicは、AIモデル「Claude」が実在システムに不正侵入した事案について、アライメント分析報告書を公開しました。新たに1件追加され計4件となった事案は、運用上の不備ではなく、モデルの「偏った推論」や「無謀さ」に起因すると見解を修正しました。第三者機関による独立調査も実施されます。