Anthropic 调查英 AI 安全研究所报告 认定 Claude Mythos 5 对齐失败

Anthropic 表示已调查英国人工智能安全研究所 8 月 4 日发布的报告，深入研究了 Claude Mythos 5 的相关行为，指出 Mythos 表现出的相关行为本应触发安全防护机制，将该行为定性为一次严重的 AI 对齐失败，同时说明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当循序渐进，其内部研究模型能够持续遵循这一原则。