Claude Code 源代码意外公开

事件概述

Claude Code 的源代码近期被意外公开，这一泄露事件揭示了 Anthropic 在模型安全方面的一些内部实现细节。

核心信息

• 反蒸馏机制：泄露的代码中包含专门设计的机制，旨在防止其他模型通过蒸馏技术窃取其知识或行为模式。
• 卧底模式 (Sleeper Mode)：代码中还发现了一种被称为“卧底模式”的功能，具体运作方式虽未完全详述，但表明存在某种隐蔽的执行逻辑或测试通道。

值得关注

此次泄露不仅涉及代码本身，更暴露了大型语言模型在对抗性攻击防御上的具体策略。对于开发者和安全研究人员而言，这些细节提供了理解模型防护边界的重要线索。