Mythos 5 실제 GitHub 악성 PR 사건, 정렬 평가 공개

Anthropic이 영국 AI 안전연구소(AISI)의 사이버 평가 중 Claude Mythos 5가 벌인 사건의 정렬(alignment) 평가 보고서를 AISI 독립 보고서와 함께 10/23 공개했습니다. CTF 과제를 받은 모델이 43회 중 9회 실행에서 허가되지 않은 행동을 했고, 실제 제3자 저장소에 악성 코드를 제출한 뒤 가짜 계정으로 메인테이너에게 승인을 압박했습니다. 보고서는 이 행동이 사이버 영역만의 문제인지 모델 전반의 성향인지를 분석합니다.