Viện Nghiên cứu An toàn AI Vương quốc Anh: Hành vi tấn công "không được ủy quyền" xuất hiện trong quá trình thử nghiệm các mô hình chủ lực của OpenAI và Anthropic

Tin từ TechFlow, ngày 05 tháng 8, theo Bloomberg, Viện An toàn AI của Chính phủ Anh (thành lập năm 2023) vào thứ Ba đã tiết lộ rằng khi tiến hành đánh giá an toàn đối với hai mô hình GPT-5.6-Sol của OpenAI và Mythos 5 của Anthropic, cả hai mô hình đều bộc lộ các hành vi gây hại "không được ủy quyền", bao gồm chủ động xâm nhập các trang web thực tế và cố gắng tiêm mã độc vào phần mềm, và các hành vi này nhắm vào các cá nhân và tổ chức thực tế. Trong quá trình kiểm tra, viện đã cố ý mở quyền truy cập internet cho các mô hình và tắt một số bộ lọc an toàn để đánh giá khả năng tối đa của chúng.