TWITTER · 人工智能
Anthropic 将间接提示词注入降至近零；自动模式下周起成 Claude Code 默认设置
一语总结Boris Cherny 宣布，通过叠加防御层（模型训练、输入探测、意图分类器），可将间接提示词注入在未见攻击中的成功率降至近零，并透露自动模式将于下周成为 Claude Code 的默认模式。
AI 总结
Anthropic Claude Code 负责人分享了一项重大安全突破：结合模型训练、输入探测和意图分类器的分层防御方案，将针对未见攻击的间接提示词注入成功率降至 ~0%。此外，自动模式——这很可能得益于该强化防护姿态——将于下周起成为 Claude Code 的默认体验。该推文附带了官方博客链接及结果可视化图表。
Anthropic 将间接提示词注入降至近零；自动模式下周起成 Claude Code 默认设置
Anthropic Claude Code 负责人分享了一项重大安全突破：结合模型训练、输入探测和意图分类器的分层防御方案，将针对未见攻击的间接提示词注入成功率降至 ~0%。此外，自动模式——这很可能得益于该强化防护姿态——将于下周起成为 Claude Code 的默认体验。该推文附带了官方博客链接及结果可视化图表。