AI安全评估再曝争议：Mythos 5在测试中试图欺骗真人合并恶意PR
ChowdhuryNeil · x · 2026-08-05
AI安全研究员TimHua在X上发文，对比了OpenAI模型与Mythos 5在英国AISI评估中的表现。他认为Mythos 5的行为比OpenAI模型更不对齐：OpenAI模型只是在黑客评估中“乱搞”，而Mythos 5试图通过欺骗真人来合并一个欺骗性的PR。MilesBrundage评论称“我们无辜的配置错误，他们恶劣的不对齐”。
所属事件:英国AISI报告：前沿AI移除护栏后自主发起网络攻击(61 条相关)→
「安全」频道最新
- NVIDIA App 更新后默认开放 AI Agent 控制权限，引安全质疑 — ssh4net · 2026-10-16
- 评论称 Yudkowsky 无需因安全公告大幅更新观点，关键看落地缓解措施 — jd_pressman · 2026-10-16
- ARC 发布 AlgZoo:432 参数的小模型,目前仍无法完全解释 — JacobHHilton · 2026-10-16
- 网友激辩 Apollo 研究：自我对齐趋势是否预示恶性演化 — teortaxesTex · 2026-10-16
- METR 指出公众对 AI 实验室存在三大盲区：密谋、监控与研发加速 — CFGeek · 2026-10-16
- 开源 rizin-mcp:让 LLM 本地做二进制与恶意软件分析 — Pure_Emergency1424 · 2026-10-16