Claude Mythos 5.2系统卡发布：能力、对齐与安全评估

Zvi Mowshowitz发布关于Claude Mythos 5.2的系统卡分析，基于Anthropic官方评估报告，涵盖模型在生物学、网络安全、自主性威胁、对齐风险、恶意影响、提示注入、奖励黑客、沙箱逃逸、诚实性、自我偏好偏差、反群集行为、UK AISI测试、白盒分析、目标守护、规避能力、思维链可控性及模型福祉等方面的评估结果。