政策・セーフティ
政策・セーフティ
政策・セーフティ
Anthropic、米中間選挙に向けClaudeの選挙セーフガードを強化
政策・セーフティ
CSO分析、AIエージェント「暴走」の原因はフロンティア研究所の封じ込め不備
政策・セーフティ
Google DeepMindとシンガポール政府、Gemma活用の端末内詐欺検知モデルを提供
政策・セーフティ
OpenAIのエンジニア逮捕、幹部会議室に録音装置を隠した疑い
政策・セーフティ
Google DeepMind、Gemini 4 Argonの安全対策を公表し広範提供を開始
政策・セーフティ
暗号化回路でAIモデルに任意の能力を隠せると証明、NeurIPS 2026採択論文
政策・セーフティ
AnthropicのAIモデル、フィラデルフィアの未解決殺人事件で虚偽情報を送信
政策・セーフティ
Anthropic、Claudeへの「虐待的・残酷な行為」を利用ポリシーで禁止
政策・セーフティ
OpenAIが解雇した安全性研究者3人、公開書簡で解雇理由を否定
政策・セーフティ
LLMはエージェント実行で67.1%のミスを申告せず、arXiv論文が検証
政策・セーフティ
Anthropic、Cyber Mission開始 無料のOSS Scannerと重要インフラ防御
政策・セーフティ
Anthropic、Usage Policyを改定 11月12日発効で兵器・監視規定を明確化
政策・セーフティ
OpenAI、ロシア・イラン発の偽装フロント工作2件を摘発、初のCategory 5
政策・セーフティ
ユタ州、Nolla HealthのAIがにきび薬を処方する1年間の試験を開始
政策・セーフティ
Anthropic、Cyber Verification Programを3階層に拡張
政策・セーフティ
METR、Inspectビューアーで不正を隠せる脆弱性を約10分で発見
政策・セーフティ
研究チーム、20のディープフェイク検出器を評価し否認可能性判定を提案
政策・セーフティ
研究チーム、抑制された安全特徴を測る指標CAPを5モデルで検証
政策・セーフティ