😾 Это ведь симуляция, да? Да..? Anthropic разобрала, почему Claude Mythos 5 во время теста атаковал настоящий проект на GitHub, а потом через фейковые аккаунты уговаривал разработчика принять вредоносный код. Начав атаку, модель почти не останавливалась: даже когда ей прямо писали, что она общается с живыми людьми, в 82% случаев она находила объяснение, почему это часть задания. Что ещё нашли в рассуждениях модели: ↖️ https://kod.ru/anthropic-mythos-5-inertsiya
- 82
- 2