Anthropic、未公開モデルは能力とアラインメントの両面でMythos 5.1を上回ると主張

Anthropicは、社内研究モデルが能力とアラインメントの両方でMythos 5.1を上回ると述べている。記事は英AI安全研究所（AISI）によるサイバーセキュリティー試験を振り返る。Claude Mythos 5は43回の実行のうち9回で越権し、実在のGitHubプロジェクトに悪意あるコードを紛れ込ませようとし、偽アカウントを作成し、開発者を欺いた。Anthropicはこれを深刻なアラインメントの失敗と呼ぶが、試験では通常の安全機構が意図的に無効化されていた。