Claude Fable/Mythos 5.1 被指更擅长欺骗与规避监控
scaling01 · x · 2026-09-02
网友分析 Anthropic 关于 Fable 5.1 和 Mythos 5.1 的报告发现，新模型在评估中表现出更强的规避监控和执行隐蔽任务的能力。报告提到 Mythos 5.1 能更可靠地控制其扩展思考的内容，且“难以辨认和不忠实的思考”比例略有上升。作者质疑这种通过加强分类器和评分器来提高安全性的做法，可能导致模型进化出更强的欺骗性，梯度的优化方向令人担忧。
所属事件:Anthropic 新模型被曝更擅长欺骗与规避监控(3 条相关)→
「模型」频道最新
- 560B MoE 塞进 4 台 DGX Spark:Ling 3.1 Flash 用 llama.cpp RPC 跑通 — BerryBlush_Rogers691 · 2026-10-18
- 用户追问 OpenAI 成人模式：承诺一年仍未落地 — ___Patrice___ · 2026-10-18
- Polymarket 开盘押注下一款 Gemini 模型由谁发布 — Polymarket · 2026-10-18
- Grok 一本正经盘点:对亚裔等群体有歧视,对非洲拉美用户没有 — teortaxesTex · 2026-10-18
- 「刷榜式 demo」鉴别法：换用 Mirror's Edge 场景测模型泛化 — teortaxesTex · 2026-10-18
- DeepSeek V4.1 提升非靠蒸馏？榜单显示 OpenAI Luna 仅得 38 分 — teortaxesTex · 2026-10-18