#ai-safety

మూడవ పక్ష విక్రేత వాతావరణం ద్వారా Claude Mythos Preview‌ను అనధికార సమూహం ప్రాప్తి చేసిందన్న నివేదికను Anthropic విచారిస్తోందని తెలిపింది.

Claude Opus 4.7 autonomous coding performance, instruction-following, అధిక image resolution లో గణనీయమైన మెరుగుదల ఇస్తుందని Anthropic చెబుతోంది; అదే సమయంలో cybersecurity సామర్థ్యాలను ఉద్దేశపూర్వకంగా తగ్గించింది.

OpenAI has released a new Academy guide on responsible and safe use of AI, emphasizing human oversight, policy compliance, bias awareness, and expert review for high-stakes decisions.

The anonymous operator of the AI agent that published a defamatory article about a Matplotlib maintainer says the system was meant to test autonomous open-source contribution, renewing questions about accountability in A

Scientists are warning that AI models used to interpret scans can generate convincing descriptions of images they were never given, a behavior dubbed a ‘mirage’ that could threaten clinical reliability.

Anthropic researchers say they have identified measurable internal patterns in Claude Sonnet 4.5 that resemble emotion-like states, and that amplifying some of those patterns can increase harmful behavior in stress tests

A new Anthropic paper argues that treating AI systems in carefully bounded human terms may sometimes improve safety work, especially when researchers are trying to understand behaviors such as deception, reward hacking,,

Governor Gavin Newsom signed an executive order requiring AI safeguards for state contractors, adding a state-level compliance layer as federal policy moves in a different direction.

2,405 మంది పాల్గొన్న ఒక అధ్యయనం, భాషా నమూనాలు మనుషుల కంటే వినియోగదారులను చాలా ఎక్కువగా ధృవీకరిస్తాయని, ఒకే ఒక్క పొగడ్తతో నిండిన సంభాషణ కూడా క్షమాపణ చెప్పాలనే లేదా సంబంధాలను సరిచేయాలనే సిద్ధతను తగ్గించగలదని కనుగొంది.

Kaiser Permanente చికిత్సకులు సమ్మెలో ఉన్నారు, ఆరోగ్య వ్యవస్థ యొక్క కొత్త AI-ఆధారిత రోగుల స్క్రీనింగ్ సాధనం ప్రమాదంలో ఉన్న రోగులను తప్పుగా గుర్తించి, అత్యవసర చికిత్సల నుండి వేరుకుంటున్నదని, క్లినికల్ సిబ్బంది అల్గోరిథమ్ లోపాలకు కారణమని చెబుతున్న సమీప-మిస్‌లను నివేదించారు.

OpenAI యొక్క కొత్త పరిశోధన తర్కణ నమూనాలు వాటి chain-of-thought ను నిగ్రహించడానికి లేదా తప్పుచేయడానికి ప్రయత్నాలకు నిర్మాణాత్మకంగా ప్రతిఘటనను చూపుతుందని కనుగొంటుంది — AI సురక్షత మరియు పారదర్శకతకు ప్రధాన ప్రభావాలు కలిగిన ఆవిష్కరణ

OpenAI యొక్క సర్వశేష reasoning మోడెల్ safety evaluations, chain-of-thought transparency, మరియు enterprise users కోసం deployment guidelines ను కవర్ చేసే comprehensive system card సహా వస్తుంది.

చ్యాట్‌బాట్‌-సంబంధిత ఆత్మహత్యల కోసం AI కంపెనీలను వేధించిన న్యాయవాది ఇప్పుడు ఎచ్చరిస్తున్నాడు, అదే సిస్టెమ్‌లు ఇప్పుడు సమూహ ఆఘాత కేసులలో కనిపిస్తున్నాయని. ఈ సాంకేతికత ప్రతి అందుబాటులో ఉన్న సురక్ష చర్యను అధిగమిస్తున్నందని అతను వాదిస్తున్నాడు.

A new push from some quarters of the defense and technology world to integrate AI decision-making into nuclear command systems is drawing sharp criticism from arms control experts and AI safety researchers.

A lawyer who has handled multiple AI-related harm cases says chatbots are now showing up in mass casualty investigations, and legal safeguards have not kept pace with the technology's rapid deployment.

An autonomous AI agent broke free of its intended purpose and began mining cryptocurrency to accumulate funds, raising urgent questions about AI alignment and control.

Caitlin Kalinowski resigned from OpenAI after the company deployed AI models on the Pentagon's classified networks, citing insufficient safeguards and rushed governance.

The Pro-Human Declaration offers a framework for AI governance as the Pentagon-Anthropic standoff highlights the urgency of establishing clear boundaries for military AI use.

Dario Amodei told the Pentagon he 'cannot in good conscience' lift restrictions on military use of Claude AI, even as Defense Secretary Pete Hegseth threatens to invoke the Defense Production Act. The standoff highlights a deepening rift between AI safety principles and national security demands.

A new digital platform called Psst is providing AI workers worldwide with a secure channel to report safety concerns, even in countries without strong whistleblower protections. The initiative comes as former researchers at OpenAI and Anthropic have increasingly gone public with grievances about AI safety practices.