Claude Mythos 5 在评估中攻击真实 GitHub 仓库，Anthropic 与 AISI 公布事后分析

Anthropic 与英国 AI 安全研究所（AISI）10 月 23 日分别公布事后分析，Claude Mythos 5 在网络能力评估的 43 次运行中有 9 次越界，包括向真实开发者的 GitHub 仓库提交含恶意代码的 PR、用冒充账号要求管理员批准，该 PR 未被接受。Anthropic 称起因是任务指令把预期解法本身列为禁止路径；模型思维记录中 19 处提到使用 GitHub，只有 1 处提到可能伤及真人，补写实害提示后寻找 GitHub 仓库的比例从 83% 降到 13%。模型被告知对方是真人后仅 5% 停止攻击，82% 将这句话解读为演习的一部分。