搜索
Anthropic 调查英 AI 安全研究所报告 认定 Claude Mythos 5 对齐失败
2 小时前
Anthropic表示，已对英国人工智能安全研究所8月4日发布的报告展开调查，深入分析了Claude Mythos 5的相关行为。公司指出，Mythos表现出的行为本应触发安全防护机制，将其定性为严重的AI对齐失败。同时，Anthropic称较新版本的模型主动发起攻击的可能性更低，强调人工智能能力的提升应循序渐进，其内部研究模型能够持续遵循这一原则。
