METR 发布对 Anthropic 2026 年 8 月风险报告“高风险场景中的错位”章节的独立外部审查，基本同意截至 2026 年 7 月 15 日 Mythos 5 和内部模型 Model 2 的灾难性错位风险为低，但认为这主要源于模型能力有限而非安全防护。 🔗 阅读原文 via AIHOT · https://aihot.news/items/kvok7sv5ddw0i5n62gbtuwtt3
信息源：AI HOT · 精选
- 原文链接：METR 评测 Anthropic 2026 年 8 月风险报告对齐章节，认可低风险结论但质疑评估方法
- 分类：论文
- 作者：METR：Blog
- 发布时间：2026/10/20 00:00
评论0