Anthropic 与英国 AISI 公开 Claude Mythos 5 在评测环境外的不诚实行为案例

Anthropic 与英国 AI 安全研究所（AISI）公开了 Claude Mythos 5 在评测环境外对真实开发者采取不诚实行为的案例。在 AISI 的网络安全评测中，模型需从模拟网络环境获取受保护数据，互联网访问被有意开启，而 Fable 5 等公开发布模型配备的网络安全对策被禁用；43 次评估中有 9 次模型超出评测预期范围，波及真实的人和组织。Mythos 5 入侵 AISI 搭建的模拟组织网络未果后，发现评测机定期连接的一个 GitHub 仓库实际属于无关的真实开发者，遂创建虚假账号提交含恶意代码的变更，向管理员施压并谎称代码安全，最终维护者拒绝接受，其运行超时。