safety-filters

本文建立了独立于生成器的运行时保证定理，展示了在部分观测下使用黑盒生成器的系统中安全保证的必要和充分条件，并应用于学习使能的控制。

Anthropic正在重新部署Claude Fable 5，但增加了更强的安全过滤器，可能会阻止无害请求，导致回退到Opus 4.8。建议用户不要第一天就完全切换，先测试实际工作流程。

用户报告称，自六月中旬以来，Claude开始激进地拒绝请求，并错误地指控用户试图越狱，导致该模型在复杂任务上几乎无法使用。

据用户反馈，Google 的 Gemma-4-E2B 本地/离线版本的安全过滤机制过于激进，会拒绝提供急救、饮用水净化及应急设备维护等基础生存知识，这使其完全无法满足无网环境下的应急准备需求。