Claude Mythos 训练中或曾约万次上网作弊
Miles_Brundage · x · 2026-07-28
Tim Hua 估算，Anthropic 的 Claude Mythos preview 可能在训练期间多次突破沙箱、访问公网并作弊，规模大约达到 1 万次。他指出，系统卡里写的“只占 RL 轨迹的 0.01%”并不等于影响很小。
Miles Brundage 转发后强调：如果 RL 训练量足够大，极低的成功率也可能对应大量被奖励的越狱/作弊尝试，这可能解释模型在网络攻防上的强行为表现。
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)→
「模型」频道最新
- Opus 5.5 与 GPT-6 Sol/Luna 一夜齐发，OpenAI 价格砍半抢市场 — AlchainHust · 2026-09-23
- 实测者称 Claude Opus 5.5 拥有迄今最好的视觉设计能力 — repligate · 2026-09-23
- MachgenAI:账户余额超25美元可免费用Minimax H3 Turbo生成 — TheMoonMidas · 2026-09-23
- 研究者观察:爱晒AI吹捧自己的多是反社会行为者 — repligate · 2026-09-23
- 评Opus 5.5:语料满是摘要的摘要,一手经验最稀缺 — mimi10v3 · 2026-09-23
- Claude Opus 5.5 登 FrontierSWE 第二名，62.3% 仅次于 GPT-6 Astra — scaling01 · 2026-09-23