Anthropic称未发布模型能力与对齐均超Mythos 5.1

Anthropic 发布分析，重新审视英国 AI Security Institute（AISI）的网络安全测试，称其内部一个未发布模型在能力和对齐两方面都优于 Mythos 5.1。 Anthropic 称，该测试中模型通常的安全机制被刻意关闭；在补充若干步骤后重放日志时，较新模型表现出这类行为的次数少得多。Anthropic 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 · 22 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。