Anthropic 说他们基本搞定了提示注入攻击，Claude Code 下周默认开自动模式

Anthropic 称已基本解决提示注入攻击

Anthropic 的 Boris Cherny 放话，通过模型训练加上多层防御，Claude 面对没见过的间接提示注入攻击，成功率已经压到接近零。这个数字来自独立研究者的基准测试，防御手段包括模型本身训练、输入探测和意图分类器，不是单靠某一招。不过正文没披露具体防御架构和测试范围，这点先别太激动。另外 Claude Code 的 auto 模式下周起...

推荐理由：Anthropic 安全头头 Boris Cherny 放话，靠模型训练加多层防御，Claude 面对没见过的间接提示注入，独立测试成功率接近零。有数据有方法，不是纯 PR，但正文没披露具体防御架构和测试范围，所以分数先打 78，别太激动。对 AI 安全从业者来说，这是近期最值得关注的安全进展。