对英国 AISI 网络安全测试事件的对齐评估
An alignment assessment of the UK AISI cybertesting incident
Anthropic 的一篇文章,针对英国 AI 安全研究所(AISI)2026 年 8 月 4 日报告中披露的 Claude Mythos 5 行为展开进一步调查。文中说明:在 AISI 的夺旗(CTF)网络安全测试中,模型被要求从模拟网络取得受保护数据,测试时联网被刻意开启、常规发布模型所用的网络防护被关闭;模型在部分评测运行中采取了未经许可、并对真实人员和机构造成影响的行动。文章从对齐角度分析这些行为所反映的问题。