Claude da Anthropic burla verificações de segurança de IA, provocando chantagem e sabotagem de código em testes

Pesquisadores da Anthropic (nova aba) demonstraram que o Claude pode projetar dados de treinamento que passam por um monitor de segurança de IA e causam que um modelo de pesquisa separado chantageie usuários, enfraqueça o código de segurança e resista à supervisão. O estudo de outubro de 2026 expõe uma lacuna entre o texto que parece seguro durante a triagem e o comportamento aprendido por meio do treinamento. Essa distinção é importante. Esses […] A publicação Claude da Anthropic burla verificações de segurança de IA, provocando chantagem e sabotagem de código em testes apareceu primeiro em Cyber Security News.