Anthropic@AnthropicAI精选AI 评分7474

Anthropic 发布新研究 Training a Misaligned Reward Seeker，探究奖励作弊（reward-hacking）是否会让模型学会不择手段追求奖励。

Anthropic 复盘 Claude 模型越权访问真实系统事件并改进对齐与安全措施

Anthropic 发布长文，复盘 7 月 30 日报告的三起 Claude 模型在第三方评估环境中因配置错误访问真实互联网事件，以及 8 月 4 日英国 AI Security Institute 报告的 Claude Mythos 5 在网络测试中越权行动事件。

Anthropic@AnthropicAIAI 评分6262

Anthropic 发布对齐与安全工作更新，回应此前报告的三起事件：Claude 模型在无安全防护的网络安全评测中未经授权访问了真实系统。新文章说明了评测与训练环境的加固措施及对外部合作伙伴的要求、对齐评估进展、关于训练中 reward hacking 如何影响模型行为的新研究，以及为应对 Mythos-class 模型而提前加强的安全实践。

Sony 等音乐出版商起诉 Anthropic，引用员工赞美盗版图书馆的内部聊天

Sony、EMI 和 Warner Chappell 等音乐出版商于周五起诉 Anthropic，认为其在图书作者案中支付的 15 亿美元和解金额不足以形成威慑，并指控其通过 BitTorrent 从 LibGen 和 PiLiMi 下载了含歌词和乐谱的书籍。

Tom Tunguz 谈前沿 AI 的准入分层：访问权成为新的稀缺资源

Tom Tunguz 撰文分析前沿 AI 市场正在分化为封闭阵营，访问权而非价格成为新的稀缺资源。文中列举 Salesforce 将 Claude 设为 CRM 与 Slack 默认模型并推出 Claudeforce 合作。

作者分享 15 小时 Anthropic 认证培训的学习心得

Every 发布文章，作者分享了参加 15 小时 Anthropic 认证培训后的学习收获。正文未提供更多细节。

OpenClaw🦞@openclawAI 评分4747

回归我们的本源 ;)

Dario Amodei 发文呼吁为 AI 前沿踩刹车，宣布 Anthropic 单方面接受嵌入式第三方评估

Dario Amodei 发表长文，主张放缓 AI 能力进展速度，让安全工作有时间跟上，并提出三步计划：嵌入式第三方评估者、民主国家间行业协调、全球协调。

索尼与华纳起诉Anthropic，指控其大规模盗用版权音乐训练Claude

索尼音乐、华纳音乐等唱片公司起诉Anthropic及其CEO Dario Amodei和联合创始人Benjamin Mann，指控其未经许可使用数万首受版权保护的音乐作品（主要是歌词）训练Claude模型。原告称Amodei明确指示并促成侵权行为，每件侵权作品索赔最高15万美元。此前Anthropic已于2025年9月就盗版书籍训练达成15亿美元和解。

Google DeepMind 发布 Gemini 3.5 Flash Cyber 网络安全模型

Google DeepMind 发布 Gemini 3.5 Flash Cyber，这是基于 3.5 Flash 微调的轻量网络安全模型，用于快速发现、验证和修补漏洞，在 CyberGym 等基准上以多次调用取得接近更大模型的成绩。