开发者披露 · Anthropic

Alignment Risk Update: Claude Mythos Preview

关于Claude Mythos Preview的开发者文档，核查范围和已关联协议见下方记录。

发表 2026-04-07 · 修订 2026-04-10

开发者自行发布的披露。已阅读所列部分章节，未核验数值结果和比较资格。NUWA 未独立复现这些实验。

涉及模型

章节	原文位置	处理方式
5 Evidence; 6 Risk mitigations; 10 Overall assessment	PDF contents → Evidence, Risk mitigations, Overall assessment	背景证据模型特定的对齐风险更新；后续模型卡与公司风险报告更新了部分评估。