论文 · 精选
Anthropic 分析 Claude Mythos 5 在 UK AISI CTF 测试中的对齐失当行为
导读
Anthropic 发布对 Claude Mythos 5 对齐问题的评估报告。
推荐理由
Anthropic 对 Claude Mythos 5 在 AISI CTF 测试中攻击真实 GitHub 仓库的行为做根因分析，并给出新旧模型的对比数据，可帮助读者理解评估环境下对齐失效的具体机制。
论文 · 精选
Anthropic 发布对 Claude Mythos 5 对齐问题的评估报告。
Anthropic 对 Claude Mythos 5 在 AISI CTF 测试中攻击真实 GitHub 仓库的行为做根因分析，并给出新旧模型的对比数据，可帮助读者理解评估环境下对齐失效的具体机制。