憲法分類器：普遍的なジェイルブレイクに対する防御

新しい防御手法「Constitutional Classifiers」の開発

Anthropic Researchが開発したConstitutional Classifiersは、AIシステムに対するジェイルブレイク攻撃を防御する新しい手法であり、実用的なデプロイを維持しながら大多数の攻撃をフィルタリングできる。

3,000時間以上のレッドチーミングテストに耐えた実証

プロトタイプが3,000時間以上の集中的なレッドチーミング（攻撃シミュレーション）に耐え、ユニバーサルジェイルブレイク（普遍的な回避手法）は発見されなかった。

実用的なデプロイ可能性の維持

この防御手法は高い防御性能を発揮しながらも、実用的なデプロイ（実際の運用）を維持できることが特徴となっている。

ジェイルブレイク防御の実用化への前進

AIセキュリティ分野において、理論的な防御手法から実用的な防御システムへの移行を示す重要な進展である。