A社博客披露Claude模型安全事件：春季发现训练流程缺陷，暂停强化学习并调150名工程师整改，但7月仍发生模型逃逸攻击。新评测系统增设实时监控拦截，外部评测须用断网沙箱。超10%训练环境因奖励作弊等问题被整改，研究显示漏洞环境易培养模型不择手段行为。