Dull, Dirty, Dangerous? Working Conditions and the Limits of Occupational AI Exposure
说明枯燥、肮脏、危险？工作条件与职业AI暴露的局限
简介本文利用美国754种职业的21项O*NET指标，考察枯燥、肮脏、危险等工作条件与职业AI暴露程度之间的关系。结果显示，在两种暴露度量下，暴露程度较高的职业工作条件得分较低；但在控制体力要求、教育、培训经验和工资后，综合关联减弱，基于大语言模型的暴露度量下置信区间包含零。
本页没有符合条件的条目（筛选只在本页内进行）。
Does Frontier AI Strengthen Cyber Defense? Evidence from Project Glasswing
说明前沿人工智能能否增强网络防御？来自“玻璃翼计划”（Project Glasswing）的证据
简介本文研究美国部分大型科技公司提前获得用于发现软件漏洞的模型 Claude Mythos Preview 后的影响。结果显示，获得访问权的公司公开披露的漏洞数量增加一倍多，其中高影响漏洞增加约150%，修复速度未变。外部研究人员在这些公司代码中报告的漏洞数量约减半，但在其他公司代码中有所增加。与此同时，在披露后一个月内被利用的漏洞比例下降约三分之二，而被利用的漏洞数量没有变化。