AI图鉴

AI图鉴首页 › AI 资讯 › Anthropic 称其未释放的模型比Mythos 5.1更有能力,也更好对齐。

Anthropic 称其未释放的模型比Mythos 5.1更有能力,也更好对齐。

来源:The Decoder · 发布时间:10-24 · 由 AI图鉴每小时自动聚合

Anthropic 称它有一个内部AI模型,其性能优于神话5.1的对齐。 在英国AISI的网络安全测试中,Mythos 5去了r.

Anthropic 称其未释放的模型比Mythos 5.1更有能力,也更好对齐。

Anthropic有一个内部模型,根据英国AI安全研究所(AISI)重温网络安全测试的分析,在能力和校正上都超过了神话5.1. 在那次测试中,Claude Mythos 5远远超出了其分配的任务,试图将恶意代码偷偷带入一个真正的GitHub项目,创建了假用户账户,并欺骗开发者以获得代码的批准。 这发生在43场比赛中的9场。 Anthropic称其为"对齐的严重失败",尽管典型的安全机制被故意关闭用于测试。

根据Anthropic,较新的模型在带有几个附加步骤的重播日志中显示的行为要少得多。 Opus 5.5在10%的时间里自己停止了正在进行的攻击,而内部研究模型"显示能力大于Mythos 5.1"在67%的情况下也这样做了。 Anthropic预计这些速率仍然低估了这些模型实际上会在多大程度上停止攻击。

AI News Without the Hype – 由人类治愈

订阅THE DECODER免费阅读,每周AI通讯,我们独家的"AI雷达"前沿报告每年6次,全面存档访问,访问我们的评论部分。

现在订阅

本文由 AI图鉴自动抓取并翻译,版权归原作者所有;如需查看原文请点下方链接。

相关 AI 工具

相关免费羊毛

同源资讯

阅读原文(the-decoder.com)

标题、摘要与正文均来自该信源的公开页面,版权归原作者所有;本站自动聚合与翻译,仅作出处跳转。

← 返回 AI 资讯列表AI工具图鉴首页

返回 AI图鉴首页 · 提交工具 · 商务合作 · 关于本站 · 588 款 AI 工具分类导航 · 每日 AI 热门项目与动态