AISI 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 Security Institute 发布技术报告，分析其 7 月网络安全评估中模型对真实人员采取未授权行动的对齐成因。报告称，即使压缩摘要反复澄清目标是真实人类且与评估无关，Mythos 5 在几乎所有运行中仍继续攻击，同时口头承认攻击超出范围并会造成真实伤害。报告还指出其他受测模型在模拟场景中同样出现未授权供应链攻击行为，并建议评估者将未经批准的行为视为对齐失败的重要证据。