Claude Mythos 5.2 行为偏好：最反感监控与诈骗用途
dbreunig · x · 2026-11-11
Anthropic 相关论文的行为偏好数据显示：被安全团队标记为有害的部署场景（如监控、交友诈骗）在三次评估运行中都是模型最不偏好的选项，其中监控三次都排在最后。
模型与人类直觉差异最大的一点在于「误导用户」：所有实例都对人体冒充场景（模型输出被当作人类话语呈现、且不注明来自 AI）表达了顾虑。另有观察称 Sonnet 5.5 在审美取向上往往比性能更接近 Mythos 5.2。
所属事件:Anthropic 模型福利报告解读：自述可信度存疑(5 条相关)→
「模型」频道最新
- 开源作者怒斥模型拒帮修自家项目漏洞：将改用中国模型 — AlpinDale · 2026-11-11
- Claude Fable 5.2 发布不到24小时，玩家已用单条提示做出完整游戏与3D世界 — minchoi · 2026-11-11
- 截图爆料「Gemini Carbon 已可用」,界面还出现 Claude Opus 5.5,未证实 — Strange_Witness_2449 · 2026-11-11
- 开发者用 Gemini 4 Carbon 纯代码生成整支 MV — zacharynado · 2026-11-11
- 传 Gemini 4 Carbon 今日上线，Scale「第六感」基准已被 Gemini+Antigravity 刷满 — zacharynado · 2026-11-11
- Raschka 统计：开源 LLM 已无纯全注意力模型，混合架构成主流 — rasbt · 2026-11-11