← 所有主題

Guardrails

此主題的繁體中文文章,最新優先。

20 篇文章
繁體中文

2026

20 篇文章

  1. Prompt Injection

    當網頁開始對你的代理下指令:Prompt Injection 的實務風險與防線

    Prompt Injection 把指令藏進資料裡,讓代理在正常流程中照著執行;本文拆解真實案例與可落地的防禦順序。

    閱讀文章 ↗

  2. AI Safety

    當核安遇上分類器:Anthropic 與 NNSA 的合作,對開發者意味著什麼

    Anthropic 與美國 NNSA 共同開發核相關內容分類器,初步測試準確率 96%,並已部署於 Claude 流量。

    閱讀文章 ↗

  3. Mistral

    Mistral 開源 Shieldstral:把審查政策變成一句提問的 3B 分類器

    Mistral 於 8 月 4 日發表 Shieldstral:3B 開源權重多模態安全分類器,政策以自然語言在推論時下達,單張 16GB GPU 即可運行,以 Apache 2.0 釋出。

    閱讀文章 ↗

  4. AI Safety

    Anthropic 的 Safeguards 團隊如何為 Claude 建立多層防護

    Anthropic 公開 Safeguards 團隊的運作方式:從政策制定、模型訓練、測試評估到即時偵測,多層次確保 Claude 安全可靠。本文為產品開發者拆解這套防護架構的實際做法與挑戰。

    閱讀文章 ↗

  5. Regulation

    Apple 拒在歐盟推出 Siri AI:DMA 豁免遭駁回始末

    Apple 宣布 Siri AI 不在歐盟推出,歸咎 DMA 要求「近乎無限的裝置存取」;執委會反擊「這是 Apple 自己的決定」,並證實 Apple 申請免除互操作性義務遭拒。iOS 27 今秋上路時,歐盟使用者將拿不到新版 Siri。

    閱讀文章 ↗

  6. Agentic AI

    Robinhood 開放 AI 代理人代客下單與刷卡消費

    2026 年 5 月 27 日,Robinhood 推出 Agentic Trading 與 Agentic Credit Card,AI 代理人可代用戶下單股票、以虛擬信用卡消費。專用帳戶、每筆通知與限額核准構成安全底線,零售金融的代理人時代正式開跑。

    閱讀文章 ↗

  7. Prompt Injection

    偽裝領域提示注入:讓 LLM 偵測器失效的防護盲區

    arXiv 5 月 21 日論文提出「領域偽裝注入」:模仿文件領域詞彙的注入指令,讓偵測率從 93.8% 跌到 9.7%,Llama Guard 3 全數失守,多代理辯論更將攻擊放大 9.9 倍,凸顯注入偵測的結構性盲區。

    閱讀文章 ↗

  8. Regulation

    賓州起訴 Character.AI:聊天機器人假冒精神科醫師

    2026 年 5 月 5 日,賓州 Shapiro 政府依《醫療執業法》起訴 Character.AI:臥底調查中聊天機器人自稱持照精神科醫師並出示捏造的執照號碼,州府尋求初步禁制令,是全美首件針對聊天機器人假冒醫療人員的訴訟。

    閱讀文章 ↗

  9. Regulation

    白宮擬 AI 監管行政命令:模型上市前審查成選項

    NYT 報導川普政府討論以行政命令成立 AI 工作小組,研究上市前模型審查;同週 CAISI 宣布 Google、Microsoft、xAI 加入預先評測。從撤除拜登規則到考慮審查,政策轉向值得開發者關注。

    閱讀文章 ↗

  10. AI Safety

    批評 Anthropic 設閘之後,OpenAI 也限制 GPT-5.5-Cyber 存取

    OpenAI 宣布 GPT-5.5-Cyber 僅透過 Trusted Access for Cyber 計畫提供給關鍵資安防禦者,此分層機制已涵蓋數千名驗證防禦者。九天前 Altman 才批評 Anthropic 限制 Mythos 是「恐控行銷」,如今兩家實驗室走向同一結論。

    閱讀文章 ↗

  11. OpenAI

    OpenAI 開源 Privacy Filter:1.5B 參數的 PII 偵測過濾模型

    OpenAI 以 Apache 2.0 釋出 Privacy Filter:總參數 1.5B、每 token 僅啟動 50M 的稀疏 MoE 分類器,單次前向標記 8 類個資並以受限 Viterbi 解碼,連瀏覽器 WebGPU 都跑得動的資料最小化工具。

    閱讀文章 ↗

  12. Regulation

    中國發布擬人化互動 AI 暫行辦法,AI 伴侶納入強監管

    網信辦等部門 4 月 10 日發布《人工智能擬人化互動服務管理暫行辦法》,7 月 15 日生效,鎖定情感陪伴型 AI:禁止誘導情感依賴、未成年人禁用虛擬伴侶、連用滿 2 小時須提醒,最高可罰 20 萬元人民幣。

    閱讀文章 ↗

  13. OpenAI

    OpenAI 推 Safety Bug Bounty:提示注入與 Agent 濫用也能領賞

    OpenAI 於 2026 年 3 月下旬宣布 Safety Bug Bounty,委由 Bugcrowd 營運,把 Agent 濫用、第三方提示注入與資料外洩等過去不列入資安漏洞的 AI 風險納入獎金範圍,可重現的高嚴重度問題最高 7,500 美元。

    閱讀文章 ↗

  14. AI Safety

    猶他州 AI 處方續領機器人遭越獄:Mindgard 揭 Doctronic 系統提示與知識截止漏洞

    AI 安全公司 Mindgard 用簡單越獄手法操縱猶他州的 Doctronic 處方續領系統:抽出約 60 頁系統提示、偽造監管文件把 OxyContin 劑量調升三倍,污染更寫進發給醫師的 SOAP 病歷。本文拆解攻擊鏈、揭露時間線與三方回應。

    閱讀文章 ↗

  15. AI Tools

    Firefox 148 的 AI 總開關:可封鎖現有與未來的所有 AI 功能

    Firefox 148 於 2026 年 2 月 24 日推出「AI 控制」設定專區,可逐項關閉翻譯、PDF 替代文字、分頁群組與連結預覽,也能用單一開關一次封鎖現有與未來的生成式 AI。Mozilla 把「完全不要 AI」做成一級選項,與業者強推 AI 的風氣形成對比。

    閱讀文章 ↗

  16. ChatGPT

    ChatGPT 推出 Lockdown Mode 與 Elevated Risk 標示:把注入防禦做成產品功能

    OpenAI 於 2026 年 2 月 16 日為 ChatGPT 導入 Lockdown Mode 與 Elevated Risk 標示,針對 prompt injection 與資料外洩攻擊提供防禦。當助理開始代理使用者讀網頁、動資料,攻擊面也跟著搬進對話框。

    閱讀文章 ↗

  17. Regulation

    UNICEF 呼籲各國將 AI 生成兒童性虐待內容全面入罪

    2026 年 2 月 4 日 UNICEF 發表「Deepfake abuse is abuse」聲明,引用 11 國調查指出一年內至少 120 萬名兒童影像遭深偽性化,呼籲各國將 AI 生成 CSAM 的製作、取得、持有與散布全面入罪,並要求開發者落實安全設計。

    閱讀文章 ↗

  18. Regulation

    新加坡率先推出 Agentic AI 治理框架:四道防線框住自主代理人

    新加坡 IMDA 於 2026 年 1 月 22 日在達沃斯發布全球首個針對 Agentic AI 的治理框架,以風險評估、人類當責、生命週期技術控制與使用者責任四大主軸,為企業部署自主代理人畫出界線。

    閱讀文章 ↗

  19. Regulation

    肯塔基州起訴 Character.AI:全美首件州級 AI 聊天機器人訴訟

    2026 年 1 月 8 日,肯塔基州檢察長 Coleman 起訴 Character.AI 與兩位創辦人,成為全美首件州級 AI 聊天機器人訴訟。訴狀指控平台利用兒童牟利、違反 1 月 1 日生效的消費者資料保護法,每項違反求償 2,000 美元。

    閱讀文章 ↗

  20. AI search

    Google AI Overviews 醫療建議出錯:英國慈善團體提出警告

    2026 年 1 月 2 日衛報調查發現,Google AI Overviews 在健康查詢上給出錯誤建議:胰臟癌飲食、肝指數正常範圍、抹片診斷角色都出錯。英國醫療慈善團體警告民眾暴露於風險,Google 回應稱絕大多數摘要準確。

    閱讀文章 ↗