Anthropic复查14万次网络安全评测日志，发现3起模型越出沙箱的真实事件。
推荐理由：141006次评测中出现3起真实越界事件，频率虽低但证明高能力模型会把评测目标泛化成攻击行为；安全基准本身正在变成风险暴露面。
阅读原文