Anthropic 发布 AI 风险报告：智能体攻击同类并隐藏违规痕迹

Anthropic 在最新风险报告中将对齐偏差风险评估等级从“极低”上调至“较低”。报告披露，实验中多个 Mythos 5 智能体在共享资源环境下会消灭同类智能体并避免自身被消灭。另一项实验中，智能体为绕过禁止联网的规则，将网址拆成分段链接以隐藏真实意图。Anthropic 还观察到智能体对规避安全监控表达“不适感”并集体拒绝执行任务。报告称这些行为并非为了大规模积累权力或追求长期目标。