Anthropic称内部未发布模型能力与对齐均超Mythos 5.1

Anthropic称其内部未发布模型在能力和对齐两方面均超过Mythos 5.1，依据是对英国AI Security Institute（AISI）一项网络安全测试的重新分析。 Anthropic说明，该测试中常规安全机制被刻意关闭；在加入少量步骤后重放的日志中，较新模型表现出这类行为的情况大幅减少。Anthropic还称，这些比率仍低估了模型实际中止攻击的频率。 上述结论均出自Anthropic一方，尚未见独立验证。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。