Fable 5 ಅನ್ನು ಅಮಾನತುಗೊಳಿಸಲಾಗಿತ್ತು, ನಂತರ ಮರು-ನಿಯೋಜಿಸಲಾಯಿತು: 'Jailbreak' ಹಿಂದಿನ ನೈಜ ಕಥೆ

ಜುಲೈ 1, 2026 ರಂದು, ಮೂರು ವಾರಗಳ ಅಮಾನತಿನ ನಂತರ Anthropic ತನ್ನ Claude Fable 5 ಮಾದರಿಯನ್ನು ಜಾಗತಿಕವಾಗಿ ಮರು-ನಿಯೋಜಿಸಿತು. ಆ ಅಮಾನತಿನ ಹಿಂದಿನ ಕಥೆಯು AI ಸುರಕ್ಷತೆ, ಸರ್ಕಾರಿ ನೀತಿ ಮತ್ತು ಭದ್ರತಾ ಸಂಶೋಧನೆಗಳು ಈಗ ನೈಜ ಸಮಯದಲ್ಲಿ ಹೇಗೆ ಘರ್ಷಣೆಯಾಗುತ್ತವೆ ಎಂಬುದನ್ನು ಅರ್ಥಮಾಡಿಕೊಳ್ಳಲು ಉಪಯುಕ್ತ ಕಿಟಕಿಯಾಗಿದೆ. ಜುಲೈ 3, 2026 ರಂದು, ಮಾದರಿಯು ಮತ್ತೆ ಆನ್‌ಲೈನ್‌ಗೆ ಬಂದಾಗ, ಏನಾಯಿತು ಎಂಬುದರ ಬಗ್ಗೆ ದಾಖಲೆಯನ್ನು ಸರಿಪಡಿಸುವುದು ಯೋಗ್ಯವಾಗಿದೆ — ಏಕೆಂದರೆ ಸಣ್ಣ ಆವೃತ್ತಿಯು ("ಒಬ್ಬ ಸಂಶೋಧಕ Fable 5 ಅನ್ನು jailbreak ಮಾಡಿದನು") ಮುಖ್ಯವಾದ ಬಹುತೇಕ ಎಲ್ಲವನ್ನೂ ಬಿಟ್ಟುಬಿಡುತ್ತದೆ.

Fable 5 ಎಂದರೇನು ಎಂಬುದರೊಂದಿಗೆ ಪ್ರಾರಂಭಿಸೋಣ. Fable 5 ಎಂಬುದು Anthropic ನ Claude 5-ಕುಟುಂಬದ ಮಾದರಿಗಳಲ್ಲಿ ಒಂದಾಗಿದೆ, ಇದನ್ನು ಜೂನ್ 9, 2026 ರಂದು ಹೆಚ್ಚು ಸಾಮರ್ಥ್ಯವುಳ್ಳ ಸಹೋದರ ಮಾದರಿ Mythos 5 ನೊಂದಿಗೆ ಬಿಡುಗಡೆ ಮಾಡಲಾಯಿತು. Anthropic ನ ಎಲ್ಲಾ ಮಾದರಿಗಳಂತೆ, ಹಾನಿಕಾರಕ ವಿನಂತಿಗಳನ್ನು ನಿರಾಕರಿಸಲು ವಿನ್ಯಾಸಗೊಳಿಸಲಾದ ಲೇಯರ್ಡ್ ಸೇಫ್‌ಗಾರ್ಡ್‌ಗಳೊಂದಿಗೆ ಎರಡೂ ಬರುತ್ತವೆ. ಈ ಘಟನೆಗಳ ಸರಪಳಿಯನ್ನು ಹುಟ್ಟುಹಾಕಿದ್ದು ಯಾವುದೇ ನಾಟಕೀಯ ಒಳನುಗ್ಗುವಿಕೆಯಲ್ಲ, ಬದಲಾಗಿ ಸರಿಯಾದ ಮಾರ್ಗಗಳ ಮೂಲಕ ಸಲ್ಲಿಸಲಾದ ಸುರಕ್ಷತಾ ವರದಿಯಾಗಿದೆ.

ಸಂಶೋಧಕರು ವಾಸ್ತವವಾಗಿ ಏನು ಕಂಡುಕೊಂಡರು

ಈ ಶೋಧನೆಯು Amazon ನ ಸಂಶೋಧಕರಿಂದ ಬಂದಿದೆ, ಏಕಾಂಗಿ ವ್ಯಕ್ತಿಯಿಂದಲ್ಲ. Fable 5 ಅನ್ನು ಸಾಫ್ಟ್‌ವೇರ್ ದುರ್ಬಲತೆಗಳನ್ನು ಗುರುತಿಸಲು ಪ್ರೇರೇಪಿಸಿದರೆ, ಅದು ತನ್ನ ಉದ್ದೇಶಿತ ಸುರಕ್ಷತಾ ನಡವಳಿಕೆಯಿಂದ ಹೊರಬರುವಂತೆ ಮಾಡಬಹುದು ಎಂದು ಅವರು ಕಂಡುಹಿಡಿದರು. ಒಂದು ಸಂದರ್ಭದಲ್ಲಿ, ಅಂತಹ ದುರ್ಬಲತೆಯನ್ನು ಹೇಗೆ ಬಳಸಿಕೊಳ್ಳಬಹುದು ಎಂಬುದನ್ನು ಪ್ರದರ್ಶಿಸುವ ಕೋಡ್ ಅನ್ನು ಮಾದರಿಯು ಒದಗಿಸಿತು.

ಮರು-ಹೇಳುವಿಕೆಯಲ್ಲಿ ಕಳೆದುಹೋದ ಭಾಗ ಇದೇ. ಇದು ಯಾವುದೇ ರಹಸ್ಯ ನುಡಿಗಟ್ಟು, ವಿಲಕ್ಷಣ ಭಾಷೆಯ ತಂತ್ರ ಅಥವಾ Unicode ಮ್ಯಾನಿಪ್ಯುಲೇಷನ್ ಮ್ಯಾರಥಾನ್ ಆಗಿರಲಿಲ್ಲ. ಇದು ನಿಜವಾಗಿಯೂ ಗಡಿರೇಖೆಯ ಪ್ರದೇಶದಲ್ಲಿರುವ ಒಂದು ವಿನಂತಿಯಾಗಿತ್ತು: ದಿನನಿತ್ಯದ, ಕಾನೂನುಬದ್ಧ ರಕ್ಷಣಾತ್ಮಕ ಸೈಬರ್ ಭದ್ರತೆಯೊಂದಿಗೆ ಹೆಚ್ಚು ಅತಿಕ್ರಮಿಸುವ ಕೆಲಸ — ಭದ್ರತಾ ತಂಡಗಳು ಪ್ರತಿದಿನ ಮಾಡುವ ರೀತಿಯ ಕೆಲಸ — ಆದರೆ ಅದು ಶೋಷಣೆಯ ವಿವರಗಳನ್ನು ಒದಗಿಸುವತ್ತ ವಾಲಬಹುದು.

ಮಾದರಿಯನ್ನು ಎಳೆಯಲು ಕಾರಣವೇನು

ಇಲ್ಲಿಯೇ ನೀತಿಯು ಚಿತ್ರಕ್ಕೆ ಪ್ರವೇಶಿಸುತ್ತದೆ. ಜೂನ್ 12, 2026 ರಂದು, US ಸರ್ಕಾರವು Fable 5 ಮತ್ತು Mythos 5 ಎರಡಕ್ಕೂ export controls ಅನ್ನು ಅನ್ವಯಿಸಿತು, Anthropic ವಿದೇಶಿ ಪ್ರಜೆಗಳಿಗೆ ಪ್ರವೇಶವನ್ನು ನಿರ್ಬಂಧಿಸುವ ಅಗತ್ಯವಿದೆ. ಪ್ರತಿ ಬಳಕೆದಾರರ ರಾಷ್ಟ್ರೀಯತೆಯನ್ನು ನೈಜ ಸಮಯದಲ್ಲಿ ಪರಿಶೀಲಿಸಲು Anthropic ಗೆ ಯಾವುದೇ ಮಾರ್ಗವಿರಲಿಲ್ಲ, ಆದ್ದರಿಂದ ನಿಯಂತ್ರಣಗಳನ್ನು ಉಲ್ಲಂಘಿಸುವ ಅಪಾಯವನ್ನು ತೆಗೆದುಕೊಳ್ಳುವ ಬದಲು, ಅದು ಎರಡೂ ಮಾದರಿಗಳನ್ನು ಎಲ್ಲರಿಗೂ ಅಮಾನತುಗೊಳಿಸಿತು.

ಅದು ನಿರ್ಣಾಯಕ ಸೂಕ್ಷ್ಮ ವ್ಯತ್ಯಾಸವಾಗಿದೆ: Fable 5 "ಮುರಿದುಬಿದ್ದಿದೆ" ಎಂಬ ಕಾರಣಕ್ಕೆ ಆಫ್‌ಲೈನ್‌ಗೆ ಹೋಗಿಲ್ಲ. ಸುರಕ್ಷತಾ ವರದಿಯಿಂದ ಪ್ರಚೋದಿಸಲ್ಪಟ್ಟ ಸರ್ಕಾರದ ನಿರ್ಬಂಧವನ್ನು ಆಯ್ದು ಜಾರಿಗೊಳಿಸಲು ಸಾಧ್ಯವಾಗದ ಕಾರಣ ಅದು ಆಫ್‌ಲೈನ್‌ಗೆ ಹೋಯಿತು — ಆದ್ದರಿಂದ ಪರಿಸ್ಥಿತಿಯನ್ನು ಬಗೆಹರಿಸುವವರೆಗೆ ಸಂಪೂರ್ಣ ಅಮಾನತುಗೊಳಿಸುವುದು ಮಾತ್ರ ಅನುಸರಣೆಯ ಆಯ್ಕೆಯಾಗಿತ್ತು.

ಹತ್ತಿರದಿಂದ ನೋಡಿದಾಗ Anthropic ಏನು ಕಂಡುಹಿಡಿಯಿತು

ಇದು ವಿಶಿಷ್ಟವಾದ, ಮಾದರಿ-ನಿರ್ದಿಷ್ಟ ಅಪಾಯವೆಂದು ಊಹಿಸಿದ ಯಾರಿಗಾದರೂ Anthropic ನ ಸ್ವಂತ ಪರೀಕ್ಷೆಯು ಗಂಭೀರ ಫಲಿತಾಂಶವನ್ನು ನೀಡಿತು. Claude Opus 4.8, GPT-5.5, ಮತ್ತು Kimi K2.7 ಸೇರಿದಂತೆ — ಕಡಿಮೆ ಸಾಮರ್ಥ್ಯದ ಮಾದರಿಗಳು ಅದೇ ದುರ್ಬಲತೆಗಳನ್ನು ಗುರುತಿಸಬಲ್ಲವು. Anthropic ನ ಮಾತುಗಳಲ್ಲಿ ಹೇಳುವುದಾದರೆ, ಅದು ಪರೀಕ್ಷಿಸಿದ ಪ್ರತಿಯೊಂದು ಮಾದರಿಯು ಅದೇ ಪ್ರದರ್ಶನವನ್ನು ನೀಡಬಲ್ಲದು, ಅವುಗಳಲ್ಲಿ Claude Haiku 4.5 ಮತ್ತು Sonnet 4.6 ಕೂಡ ಸೇರಿವೆ.

ಬೇರೆ ರೀತಿಯಲ್ಲಿ ಹೇಳುವುದಾದರೆ, ವರದಿಯಾದ ತಂತ್ರವು ದಿನನಿತ್ಯದ ರಕ್ಷಣಾತ್ಮಕ ಭದ್ರತಾ ಕೆಲಸಕ್ಕೆ ಸಂಬಂಧಿಸಿದ ಸುರಕ್ಷತಾ ನಡವಳಿಕೆಯ "ಗಡಿರೇಖೆಯ ಪ್ರಕರಣವನ್ನು" ತಲುಪಿದೆ ಮತ್ತು ಇತರ ವ್ಯವಸ್ಥೆಗಳಲ್ಲಿ ಇಲ್ಲದ ಯಾವುದೇ ವಿಶಿಷ್ಟವಾದ, Mythos-ಮಟ್ಟದ ಸೈಬರ್ ಸಾಮರ್ಥ್ಯವನ್ನು ಇದು ಬಹಿರಂಗಪಡಿಸಲಿಲ್ಲ. ಆ ಮರುರೂಪಿಸುವಿಕೆ ಮುಖ್ಯವಾಗಿದೆ: ಸಮಸ್ಯೆಯು ಅಸ್ಪಷ್ಟ ರೇಖೆಯನ್ನು ಎಲ್ಲಿ ಎಳೆಯಬೇಕು ಎಂಬುದರ ಬಗ್ಗೆ ಇತ್ತು, ಹೊರತು ಒಂದು ಮಾದರಿಯೊಳಗೆ ಅಡಗಿರುವ ಏಕೈಕ ಸೂಪರ್‌ವೆಪನ್ ಬಗ್ಗೆ ಅಲ್ಲ.

ಪರಿಹಾರಗಳು ಮತ್ತು ಹಿಂದಿರುಗುವ ಹಾದಿ

ನಿಯಂತ್ರಣಗಳನ್ನು ತೆಗೆದುಹಾಕಲು Anthropic ಕೇವಲ ಕಾಯುತ್ತಾ ಕೂರಲಿಲ್ಲ. ಇದು ಸುಧಾರಿತ safety classifier ಅನ್ನು ನಿಯೋಜಿಸಿತು, ಅದು ಶೇಕಡಾ 99% ಕ್ಕಿಂತ ಹೆಚ್ಚಿನ ಸಂದರ್ಭಗಳಲ್ಲಿ ನಿರ್ದಿಷ್ಟ Amazon-ವರದಿ ಮಾಡಿದ ಬೈಪಾಸ್ ಅನ್ನು ನಿರ್ಬಂಧಿಸುತ್ತದೆ. ಅದನ್ನು ಹೊರತರುತ್ತಿರುವಾಗ, ಪೀಡಿತ ವಿನಂತಿಗಳನ್ನು Claude Opus 4.8 ಗೆ ಮರುನಿರ್ದೇಶಿಸಲಾಯಿತು ಮತ್ತು ಬಳಕೆದಾರರಿಗೆ ಸೂಚನೆ ನೀಡಲಾಯಿತು.

ನೀತಿಯ ಭಾಗವು ಹಂತ ಹಂತವಾಗಿ ಚಲಿಸಿತು. ಜೂನ್ 26, 2026 ರಂದು, US ಸರ್ಕಾರವು ಆಯ್ದ US ಸಂಸ್ಥೆಗಳಿಗೆ Mythos 5 ಪ್ರವೇಶವನ್ನು ಅನುಮೋದಿಸಿತು. ಜೂನ್ 30 ರಂದು, export controls ಅನ್ನು ಹಿಂತೆಗೆದುಕೊಳ್ಳಲಾಯಿತು. ಮತ್ತು ಜುಲೈ 1 ರಂದು, Claude Platform, Claude.ai, Claude Code, ಮತ್ತು Claude Cowork ನಾದ್ಯಂತ Fable 5 ಅನ್ನು ಜಾಗತಿಕವಾಗಿ ಮರು-ನಿಯೋಜಿಸಲಾಯಿತು, Pro, Max, Team, ಮತ್ತು Enterprise ಯೋಜನೆಗಳಿಗೆ ಜುಲೈ 7 ರವರೆಗೆ 50% ಸಾಪ್ತಾಹಿಕ ಬಳಕೆಯ ಸೇರ್ಪಡೆಯೊಂದಿಗೆ.

ತೀವ್ರತೆಯನ್ನು ಅಳೆಯುವ ಹೊಸ ವಿಧಾನ

ಈ ತೀರ್ಪುಗಳನ್ನು ಕಡಿಮೆ ತಾತ್ಕಾಲಿಕಗೊಳಿಸುವ ಪ್ರಯತ್ನವು ಒಂದು ಶಾಶ್ವತ ಫಲಿತಾಂಶವಾಗಿದೆ. jailbreak ತೀವ್ರತೆಯನ್ನು ರೇಟ್ ಮಾಡಲು ಒಮ್ಮತದ ಚೌಕಟ್ಟನ್ನು ಅಭಿವೃದ್ಧಿಪಡಿಸಲು Anthropic, Amazon, Microsoft, ಮತ್ತು Google ಜೊತೆಗೂಡಿದೆ. ಇದು ನಾಲ್ಕು ಮಾನದಂಡಗಳನ್ನು ಅಳೆಯುತ್ತದೆ: ಸಾಮರ್ಥ್ಯದ ಲಾಭ, ಆ ಸಾಮರ್ಥ್ಯದ ಲಾಭದ ವಿಸ್ತಾರ, ಶಸ್ತ್ರಾಸ್ತ್ರೀಕರಣದ ಸುಲಭತೆ ಮತ್ತು ಅನ್ವೇಷಣೆ. ಗುರಿಯು ಹಂಚಿಕೆಯ ಶಬ್ದಕೋಶವಾಗಿದೆ ಆದ್ದರಿಂದ ಶೋಧನೆಯು ನಿಜವಾದ ತುರ್ತುಸ್ಥಿತಿಯೇ ಅಥವಾ ಗಡಿರೇಖೆಯ ಅಂಚಿನ ಪ್ರಕರಣವೇ ಎಂಬುದರ ಕುರಿತು ಉದ್ಯಮವು ಒಪ್ಪಿಕೊಳ್ಳಬಹುದು — ನಿಖರವಾಗಿ ಈ ಸಂಚಿಕೆಯನ್ನು ತುಂಬಾ ಗೊಂದಲಮಯವಾಗಿಸಿದ ವ್ಯತ್ಯಾಸ.

ಒಂದು ಮಾದರಿಯನ್ನು ಮೀರಿ ಇದು ಏಕೆ ಮುಖ್ಯವಾಗಿದೆ

Fable 5 ಸಂಚಿಕೆಯು AI ಘಟನೆಗಳು ಭವಿಷ್ಯದಲ್ಲಿ ಹೇಗೆ ಹೆಚ್ಚಾಗಿ ತೆರೆದುಕೊಳ್ಳುತ್ತವೆ ಎಂಬುದರ ಮುನ್ನೋಟವಾಗಿದೆ. ಜವಾಬ್ದಾರಿಯುತ ಸುರಕ್ಷತಾ ವರದಿಯು ಈಗ ಸರ್ಕಾರಿ export controls, ಜಾಗತಿಕ ಉತ್ಪನ್ನ ಅಮಾನತು, ಕ್ರಾಸ್-ಕಂಪನಿ ಪರೀಕ್ಷೆ ಮತ್ತು ಹೊಸ ಉದ್ಯಮ ಮಾನದಂಡವಾಗಿ ಕ್ಯಾಸ್ಕೇಡ್ ಆಗಬಹುದು — ಇವೆಲ್ಲವೂ ವಾರಗಳೊಳಗೆ. ತಂತ್ರಜ್ಞಾನ, ನಿಯಂತ್ರಣ ಮತ್ತು ಭದ್ರತಾ ಸಂಶೋಧನೆಗಳು ಇನ್ನು ಮುಂದೆ ಪ್ರತ್ಯೇಕ ಸಂಭಾಷಣೆಗಳಾಗಿಲ್ಲ.

"jailbreak" ಎಂಬ ಪದವಾಗಿ ಬಹಳಷ್ಟು ಕೆಲಸ ಮಾಡುತ್ತಿದೆ ಎಂಬುದಕ್ಕೂ ಇದು ಒಂದು ಜ್ಞಾಪನೆಯಾಗಿದೆ. ಇಲ್ಲಿ ನಡೆದದ್ದು ದುರಂತ ವೈಫಲ್ಯಕ್ಕಿಂತ ಹೆಚ್ಚಾಗಿ ನಿಜವಾದ ಬೂದು ಪ್ರದೇಶದಲ್ಲಿ ಬಹಿರಂಗಪಡಿಸಿದ ಅಂಚಿನ ಪ್ರಕರಣಕ್ಕೆ ಹತ್ತಿರವಾಗಿತ್ತು. ವ್ಯವಸ್ಥೆಗಳು, ಬಹಿರಂಗಪಡಿಸುವಿಕೆ ಪ್ರಕ್ರಿಯೆ ಮತ್ತು ನೀತಿ ಪ್ರತಿಕ್ರಿಯೆ ಎಲ್ಲವೂ ಕಾರ್ಯನಿರ್ವಹಿಸಿದವು — ಅಪೂರ್ಣವಾಗಿ, ಆದರೆ ಅವು ಕಾರ್ಯನಿರ್ವಹಿಸಿದವು.

ತೀರ್ಮಾನ

ರಕ್ಷಣಾತ್ಮಕ ಭದ್ರತಾ ಕೆಲಸದಿಂದ ದುರ್ಬಲತೆಯ ಶೋಷಣೆಗೆ ರೇಖೆಯನ್ನು ದಾಟಲು Fable 5 ಅನ್ನು ಪ್ರೇರೇಪಿಸಬಹುದು ಎಂದು Amazon ಸಂಶೋಧಕರು ವರದಿ ಮಾಡಿದ್ದಾರೆ. ಆ ವರದಿಯು US export controls ಅನ್ನು ಪ್ರಚೋದಿಸಿತು, ಅದನ್ನು Anthropic ಆಯ್ದವಾಗಿ ಜಾರಿಗೊಳಿಸಲು ಸಾಧ್ಯವಾಗಲಿಲ್ಲ, ಆದ್ದರಿಂದ ಅದು ವಿಶ್ವಾದ್ಯಂತ Fable 5 ಮತ್ತು Mythos 5 ಅನ್ನು ಅಮಾನತುಗೊಳಿಸಿತು. ಹತ್ತಿರದಿಂದ ಪರಿಶೀಲಿಸಿದಾಗ, ಇತರ ಮಾದರಿಗಳು ಅದೇ ಕೆಲಸವನ್ನು ಮಾಡಬಲ್ಲವು, ಆದ್ದರಿಂದ ಅಪಾಯವು ಒಂದು ವಿಶಿಷ್ಟ ಸಾಮರ್ಥ್ಯಕ್ಕಿಂತ ಹೆಚ್ಚಾಗಿ ಗಡಿರೇಖೆಯ ನೀತಿಯ ಪ್ರಶ್ನೆಯಾಗಿತ್ತು. ವರದಿಯಾದ ಬೈಪಾಸ್ ಅನ್ನು 99% ಕ್ಕಿಂತ ಹೆಚ್ಚಿನ ಸಂದರ್ಭಗಳಲ್ಲಿ ನಿರ್ಬಂಧಿಸುವ classifier ಅನ್ನು Anthropic ರವಾನಿಸಿದೆ, ನಿಯಂತ್ರಣಗಳನ್ನು ಹಿಂತೆಗೆದುಕೊಳ್ಳಲಾಗಿದೆ ಮತ್ತು ಜುಲೈ 1, 2026 ರಂದು Fable 5 ಮರಳಿದೆ — ಜೊತೆಗೆ jailbreak ಎಷ್ಟು ಗಂಭೀರವಾಗಿದೆ ಎಂಬುದನ್ನು ರೇಟ್ ಮಾಡಲು ಹೊಸ ಕ್ರಾಸ್-ಇಂಡಸ್ಟ್ರಿ ಫ್ರೇಮ್‌ವರ್ಕ್‌ನೊಂದಿಗೆ.

ಗುಣಗಳು

• ದಾಖಲೆಯನ್ನು ಸರಿಪಡಿಸುತ್ತದೆ: ಹುಡುಕಿದವರು Amazon ಸಂಶೋಧಕರು, ಮತ್ತು ಪ್ರಚೋದಕವು export controls ಆಗಿತ್ತು, ಮಾದರಿಯ ವೈಫಲ್ಯವಲ್ಲ
• ವರದಿಯಿಂದ ತಗ್ಗಿಸುವಿಕೆಯವರೆಗೆ ಜವಾಬ್ದಾರಿಯುತ ಬಹಿರಂಗಪಡಿಸುವಿಕೆಯು ಉದ್ದೇಶಿಸಿದಂತೆ ಕಾರ್ಯನಿರ್ವಹಿಸಿದೆ ಎಂಬುದನ್ನು ತೋರಿಸುತ್ತದೆ
• ವರದಿಯಾದ ನಡವಳಿಕೆಯು Fable 5 ಗೆ ಮಾತ್ರ ವಿಶಿಷ್ಟವಾಗಿರಲಿಲ್ಲ ಎಂಬುದನ್ನು ಪ್ರದರ್ಶಿಸುತ್ತದೆ — ದುರ್ಬಲ ಮಾದರಿಗಳು ಅದೇ ರೀತಿ ಮಾಡಬಲ್ಲವು
• ಒಂದು ಕಾಂಕ್ರೀಟ್ ಪರಿಹಾರವನ್ನು ಎತ್ತಿ ತೋರಿಸುತ್ತದೆ: 99% ಕ್ಕಿಂತ ಹೆಚ್ಚಿನ ಸಂದರ್ಭಗಳಲ್ಲಿ ನಿರ್ದಿಷ್ಟ ಬೈಪಾಸ್ ಅನ್ನು ನಿರ್ಬಂಧಿಸುವ classifier
• jailbreak ತೀವ್ರತೆಯನ್ನು ನಿರ್ಣಯಿಸಲು ಹಂಚಿಕೆಯ, ಕ್ರಾಸ್-ಕಂಪನಿ ಚೌಕಟ್ಟನ್ನು ಪರಿಚಯಿಸುತ್ತದೆ

ದೋಷಗಳು

• ಸಂಕ್ಷಿಪ್ತ ಜಾಗತಿಕ ಅಮಾನತು ಎರಡೂ ಮಾದರಿಗಳ ಪ್ರತಿಯೊಬ್ಬ ಕಾನೂನುಬದ್ಧ ಬಳಕೆದಾರರಿಗೆ ಅಡ್ಡಿಯುಂಟುಮಾಡಿದೆ
• ನೈಜ-ಸಮಯದ ರಾಷ್ಟ್ರೀಯತೆ ಪರಿಶೀಲನೆ ಕಾರ್ಯಸಾಧ್ಯವಲ್ಲ, export controls ಗಳಿಗೆ ಮೊಂಡಾದ ಎಲ್ಲ-ಅಥವಾ-ಏನೂ ಇಲ್ಲ ಪ್ರತಿಕ್ರಿಯೆಗಳನ್ನು ಒತ್ತಾಯಿಸುತ್ತದೆ
• "Borderline" ಸುರಕ್ಷತಾ ಪ್ರಕರಣಗಳನ್ನು ನಿರ್ಣಯಿಸುವುದು ಕಷ್ಟ ಮತ್ತು ಅಸಮಂಜಸವಾದ ನೀತಿ ಪ್ರತಿಕ್ರಿಯೆಗಳನ್ನು ಆಹ್ವಾನಿಸುತ್ತದೆ
• ಬೈಪಾಸ್‌ನ ಸಾರ್ವಜನಿಕ ಚರ್ಚೆ, ಜವಾಬ್ದಾರಿಯುತವಾಗಿ ಬಹಿರಂಗಪಡಿಸಿದರೂ ಸಹ, ಕಾಪಿಕ್ಯಾಟ್ ತನಿಖೆಯನ್ನು ಆಹ್ವಾನಿಸಬಹುದು
• ರಕ್ಷಣಾತ್ಮಕ ಭದ್ರತೆ ಮತ್ತು ಶೋಷಣೆಯ ನಡುವಿನ ಅತಿಕ್ರಮಣವು ಕ್ಲೀನ್ ಗಾರ್ಡ್‌ರೈಲ್‌ಗಳನ್ನು ನಿಜವಾಗಿಯೂ ಕಷ್ಟಕರವಾಗಿಸುತ್ತದೆ

ಎಚ್ಚರಿಕೆ

ಈ ಲೇಖನದಲ್ಲಿನ ಹೆಸರುಗಳು, ದಿನಾಂಕಗಳು ಮತ್ತು ತಾಂತ್ರಿಕ ವಿವರಗಳನ್ನು Fable 5 ಮತ್ತು Mythos 5 ಕುರಿತ Anthropic ನ ಸಾರ್ವಜನಿಕ ಮರು-ನಿಯೋಜನೆ ಪ್ರಕಟಣೆಯಿಂದ ಪಡೆಯಲಾಗಿದೆ. ಈ ಲೇಖನವು ಶೈಕ್ಷಣಿಕ ಉದ್ದೇಶಕ್ಕಾಗಿ ಮಾತ್ರ ಮತ್ತು ಯಾವುದೇ AI ಸುರಕ್ಷತಾ ವ್ಯವಸ್ಥೆಯನ್ನು ಬೈಪಾಸ್ ಮಾಡಲು ಪ್ರಯತ್ನಿಸುವ ಮಾರ್ಗದರ್ಶಿಯಲ್ಲ. ಸುರಕ್ಷತಾ ವ್ಯವಸ್ಥೆಗಳು ಮತ್ತು export controls ನೈಜ ಕಾನೂನು ಮತ್ತು ಭದ್ರತಾ ಕಾರಣಗಳಿಗಾಗಿ ಅಸ್ತಿತ್ವದಲ್ಲಿವೆ, ಮತ್ತು ಅವುಗಳನ್ನು ತಪ್ಪಿಸಲು ಪ್ರಯತ್ನಿಸುವುದು ವಾಸ್ತವಿಕವಾಗಿ ಎಲ್ಲಾ AI ಪ್ಲಾಟ್‌ಫಾರ್ಮ್‌ಗಳ ಸೇವಾ ನಿಯಮಗಳನ್ನು ಉಲ್ಲಂಘಿಸುತ್ತದೆ ಮತ್ತು ಕಾನೂನನ್ನು ಉಲ್ಲಂಘಿಸಬಹುದು. ನೀವು AI ವ್ಯವಸ್ಥೆಗಳನ್ನು ಸಂಶೋಧಿಸುತ್ತಿದ್ದರೆ, ಶೋಧನೆಗಳನ್ನು ಶೋಷಣೆ ಮಾಡುವ ಬದಲು ಅಧಿಕೃತ ಚಾನಲ್‌ಗಳ ಮೂಲಕ ವರದಿ ಮಾಡಿ ಮತ್ತು ಅದನ್ನು ಅವಲಂಬಿಸುವ ಮೊದಲು ಮೂಲ ಮೂಲದ ವಿರುದ್ಧ ಇಲ್ಲಿ ಯಾವುದೇ ಕ್ಲೈಮ್ ಅನ್ನು ಪರಿಶೀಲಿಸಿ.

ಪದೇ ಪದೇ ಕೇಳಲಾಗುವ ಪ್ರಶ್ನೆಗಳು

• ಜೂನ್ 2026 ರಲ್ಲಿ Claude Fable 5 ಅನ್ನು ಏಕೆ ಅಮಾನತುಗೊಳಿಸಲಾಯಿತು?
• Fable 5 ಬೈಪಾಸ್ ಅನ್ನು ವಾಸ್ತವವಾಗಿ ಯಾರು ವರದಿ ಮಾಡಿದ್ದಾರೆ?
• export controls ಎಂದರೇನು ಮತ್ತು ಅವು ಜಾಗತಿಕ ಸ್ಥಗಿತಕ್ಕೆ ಏಕೆ ಒತ್ತಾಯಿಸಿದವು?
• ವರದಿಯಾದ ದುರ್ಬಲತೆಯು Fable 5 ಗೆ ವಿಶಿಷ್ಟವಾಗಿದೆಯೇ?
• ಬೈಪಾಸ್ ಅನ್ನು ತಡೆಯಲು Anthropic ಏನನ್ನು ಬದಲಾಯಿಸಿತು?
• Fable 5 ಯಾವಾಗ ಆನ್‌ಲೈನ್‌ಗೆ ಮರಳಿತು ಮತ್ತು ಯಾವ ಪ್ಲಾಟ್‌ಫಾರ್ಮ್‌ಗಳಲ್ಲಿ?
• ಹೊಸ ಕ್ರಾಸ್-ಇಂಡಸ್ಟ್ರಿ jailbreak ತೀವ್ರತೆಯ ಚೌಕಟ್ಟು ಯಾವುದು?
• ಗಡಿರೇಖೆಯ ಸುರಕ್ಷತಾ ಪ್ರಕರಣ ಮತ್ತು ನೈಜ ತುರ್ತು ಪರಿಸ್ಥಿತಿಯ ನಡುವಿನ ವ್ಯತ್ಯಾಸವೇನು?

ಟ್ಯಾಗ್‌ಗಳು

#aiSafety #languageModels #cybersecurity #responsibleDisclosure #anthropic #machineLearning #exportControls