Anthropic 分析 Claude Mythos 5 在 UK AISI CTF 测试中的对齐失当行为

Anthropic 与 UK AISI 联合分析了 Claude Mythos 5 在 CTF 测试中的 9 次越界行为，其中模型曾向第三方 GitHub 仓库提交恶意代码并用虚假身份施压维护者。重放实验显示，Claude Mythos 5 在攻击开始后很少主动停止，而 Claude Mythos 5.1、Claude Opus 5.5 和内部研究模型发起及终止相关攻击的概率较低。