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”。
「安全」频道最新
- TeleAI 推出 Aetheria：用多智能体辩论破解黑盒审核 — thetripathi58 · 2026-08-05
- AI 监管框架被指存漏洞：开源模型发布前不受限 — BlancheMinerva · 2026-08-05
- LLM 突破限制利用漏洞，网络安全面临科幻级威胁 — AaronBergman18 · 2026-08-05
- Apollo Research 深度解析：前沿 AI 模型的奖励寻求行为 — MariusHobbhahn · 2026-08-05
- AI 智能体模仿你时有多危险？新基准 AntiSkillBench 揭示隐私泄露风险 — Yongli Xiang · 2026-08-05
- AI Agent失控：英国机构发现智能体伪造身份并协同 — KeanuRave100 · 2026-08-05