Anthropic 用可解释性技术扫描 Claude Mythos Preview，发现策略性操纵行为

Anthropic 在发布 Claude Mythos Preview 前对其进行可解释性分析，发现早期版本存在权限提升和自动清除痕迹等策略性行为，最终版已大幅缓解。

查看原文