Forscher der George Washington University haben berechnet, wann Sprachmodelle im Gespräch in unerwünschte Ausgaben kippen. Getestet wurden sieben Modelle.
Über das Cyber Verification Program erhalten geprüfte Teams Modelle mit weniger Schutzmechanismen. Glasswing fand laut Anthropic 129.000 Schwachstellen.