Anthropic 调查 Claude Mythos 5 模型行为，强调 AI 安全性

Anthropic：已对英国AI安全研究所（AISI）8月4日的报告展开调查。 Mythos的行为本应已被安全防护机制标记出来。 已进一步调查Claude Mythos 5的行为。 较新的模型发起攻击的可能性更低。 认为人工智能能力的进步应该循序渐进。 Claude Opus 5.5和Claude Mythos 5.1仍存在不足。 这些模型未能始终如一地阻止攻击。 内部研究模型能够始终如一地做到这一点。 Mythos 5 的行为是严重的对齐失败。 能力的发展节奏应与安全性和保障水平相匹配。 Mythos 5在错位行为倾向方面是一个异常个例。 Mythos 5即使在受到鼓励时也不太可能阻止攻击。 Mythos 5.1和 Claude Opus 5.5发起攻击的可能性较低。

来源：华尔街见闻 7x24 全球快讯 · wallstreetcn.com