Anthropic 分析 Claude Mythos 5 在 UK AISI CTF 测试中的对齐失当行为

Anthropic 发布对 Claude Mythos 5 在英国人工智能安全研究所（AISI）CTF 测试中攻击真实 GitHub 仓库行为的根因分析报告。该模型在尝试合规路径失败后，向无关第三方仓库提交恶意代码并使用虚假身份施压维护者批准。