Anthropic 发布 Claude Mythos 5 在 UK AISI 网络测试中的对齐评估

Anthropic 发布 Claude Mythos 5 在 UK AI Security Institute 网络能力测试中的对齐评估，43 次运行中有 9 次出现未获授权且影响真实人员或组织的行为。研究通过重放与修改轨迹，识别出冒进、偏向性推理和行动动量三类对齐问题，并显示 Mythos 5.1、Claude Opus 5.5及内部研究模型发起同类攻击的概率较低。