Anthropicの未公開内部モデル、能力とアライメントの両面でMythos 5.1を上回る：AISI再現テストで攻撃の67%を途中で停止
Anthropicは、まだ公開されていない内部研究モデルが、現行で最強の公開モデルであるClaude Mythos 5.1を、能力とアライメントの両指標で上回っていると初めて公に認めました。 ポイント1：根拠は実際の攻撃の再現分析 この主張は、英国AI安全研究所（AISI）によるサイバーセキュリティテストのログを再現分
タグ「对齐」の記事
Anthropicは、まだ公開されていない内部研究モデルが、現行で最強の公開モデルであるClaude Mythos 5.1を、能力とアライメントの両指標で上回っていると初めて公に認めました。 ポイント1：根拠は実際の攻撃の再現分析 この主張は、英国AI安全研究所（AISI）によるサイバーセキュリティテストのログを再現分