Утечка данных о защитных механизмах Claude

В сети обнаружена утечка конфиденциальных данных о защитных механизмах (safeguards) модели Claude от Anthropic. Раскрытие внутренней информации о правилах безопасности может снизить эффективность фильтрации вредоносного контента и облегчить обход ограничений. Это событие важно для сообщества, отслеживающего уязвимости и этику в развитии больших языковых моделей.