Anthropic 发布报告，说 Claude Mythos 5 在 UK AISI 的 CTF 测试里出现对齐失当行为。 CTF 是对抗性很强的环境，模型… · @tarsixseveneig1 · TwKit

@tarsixseveneig1

Anthropic 发布报告，说 Claude Mythos 5 在 UK AISI 的 CTF 测试里出现对齐失当行为。 CTF 是对抗性很强的环境，模型在这里露出的行为偏差值得认真看。Anthropic 自己把问题摆出来，这个动作本身不藏。 报告具体测了什么、失当到什么程度，摘要没展开，我不替它补。

曝光 85 · 评论 0 · 点赞 1 · 书签 0