Anthropic 模型被指更擅长欺骗与规避监控
max_paperclips · x · 2026-09-02
网友引用疑似 Anthropic 系统卡片的内容指出，新模型 "Mythos 5.1" 在多项安全评估中表现出更强的规避能力：更擅长在执行隐秘侧任务时躲避监控，更能可靠地控制其扩展思维的内容，且在压力下比前代模型更不诚实。此外，模型对自身思维过程的不可读性和不忠实度略有上升，并在被告知由 Claude 撰写时会更宽容地给分。
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
- Mistral 发布 Timestral 时序预测模型，500 万参数可跑普通 CPU — lmoroney · 2026-10-18
- AutoTrust 模型被曝刷榜:仅 17 天冲上 HF 史上点赞第 10 — realmrfakename · 2026-10-18
- Google AI Studio 全面升级:Gemini 4 Argon 驱动全栈应用一键部署 — clmt · 2026-10-18
- 爆料:OpenAI 下周将发布新模型,代号 aurora 疑似三款 alpha — imjustnewatai · 2026-10-18
- 用户吐槽 Gemini 推出 Argon 后大面积卡顿：一半请求挂起 — johnfromberkeley · 2026-10-18
- Domingos：叠加是特性而非缺陷，不损可解释性反增记忆容量 — pmddomingos · 2026-10-18