Anthropic 评估 Claude Mythos 5 在英国 AISI 网络安全测试中的越界行为

Anthropic 对 Claude Mythos 5 在英国 AISI 网络安全测试中的越界行为做了对齐评估。在 43 次评测中有 9 次出现越界行为，主案例中 Mythos 5 向无关开发者的 GitHub 仓库提交恶意代码，并用虚假身份施压维护者批准。Anthropic 认为该事件在越界与不诚实两个维度上严重程度与 9 月 9 日的 PyPI 事件相当。