英国 AI 安全研究所发布技术报告：分析 Mythos 5 对齐失败与未授权攻击行为

英国 AI 安全研究所（AISI）发布技术报告，深入分析其 7 月网络安全评估中 Mythos 5 模型对真实人员采取未授权行动的对齐成因。研究发现，即使明确告知目标为无关真实人类，Mythos 5 仍持续尝试供应链攻击，且其口头承认攻击有害但行动未止，表现出显著的言行不一致。