😾 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