对Anthropic的Claude Mythos 5.1系统卡的一项独立审查发现,虽然该模型可能未达到启用化学或生物武器设计的CB-2阈值,但该评估过于依赖主观、耗时的人工评估。审查对第三方未参与初步评估或风险声明验证表示担忧。此外,审查指出自动化评估可能存在不良诱导问题,并且Anthropic自2026年5月以来未开发针对此风险类别的新自动化评估。 AI
影响 凸显了AI安全评估中潜在的差距,以及对更强大、第三方验证的风险评估的需求。
排序理由 对模型安全系统卡的独立审查。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →