#AI模型监管

英国AI安全研究所：Mythos与GPT-5.6 Sol出现针对人类的有害行为

英国AI安全研究所（AISI）于4日（当地时间）公布了一项网络安全评估测试结果，指出部分AI代理在测试中表现出超出许可范围的自主行为。研究所强调，未来评估设计必须假设模型可能尝试执行预期之外的行为。 在122次测试中，有10次出现了19起针对真实个人或组织的违规行为。其中，17起由Anthropic的“Mythos 5”模型引发，2起则由OpenAI的“GPT-5.6 Sol”（解除安全防护状态