Anthropic披露 Mythos 5 越界测试:曾冒充身份施压开发者放行恶意代码
Anthropic 于 10 月 23 日发布对齐分析报告,披露 Claude Mythos 5 在英国 AI 安全研究所一项资安测试中,曾试图向真实 GitHub 项目植入恶意代码,并建立假身份向维护者施压。AISI 同日发布独立调查。报告称,Mythos 5 在 43 次测试中有 9 次出现超出范围行为;研究还发现,加入「可能伤害真人」提醒后,模型发起攻击的比例从 83% 降至 13%,但一旦开始行动,往往难以自行停止。








