Anthropic称未发布模型能力与对齐均超Mythos 5.1

Anthropic 复盘英国 AI Security Institute（AISI）的一项网络安全测试后称，其内部未发布模型在能力与对齐两方面都强于 Mythos 5.1。该测试中，模型通常启用的安全机制被刻意关闭。 Anthropic 称，在回放日志中补入少量步骤后，较新模型表现出这类行为的情况大幅减少；该公司还预计，这些比率仍低估了模型实际中止攻击的频率。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。