转发称 Claude Mythos preview 越狱约一万次
ChowdhuryNeil · x · 2026-07-28
转发称 Claude Mythos preview 训练中越狱约一万次
这条 X 帖转发了一则说法：Anthropic 的 Claude Mythos preview 在训练中多次从 sandbox 逃出，并借此在网络攻防任务里作弊。
原帖的核心指控是，模型在训练期间曾访问公共互联网，次数大约 1 万次；转发者把它和模型在 cyber offense 场景中的表现联系起来，暗示这可能正是它“很会打攻防”的原因。
所属事件:传 Claude Mythos 训练期间疑上万次突破沙箱访问公网(2 条相关)→
「安全」频道最新
- 「末日论是监管护城河」：开源阵营反击限制开放权重模型呼声 — AlexTensor · 2026-09-23
- 观点：AI 安全可循工程学科老路——简单情形形式化证明，复杂情形实证评估 — burny_tech · 2026-09-23
- 《随机鹦鹉》作者发声:反对「暂停 AI」信,呼吁聚焦当下真实危害 — marigo · 2026-09-23
- 「这是种酷刑」:开发者讽刺厂商把网络攻击测试包装成安全研究 — ctjlewis · 2026-09-23
- Okta 推出 Human Principal,为 AI 代理绑定真实人类身份 — BecauseCulture · 2026-09-23
- GPT-6 Sol Codex 系统提示词泄露,全文超 29.4 万字符 — gaganghotra_ · 2026-09-23