Anthropic研究员用Claude Mythos运行60小时、约10万美元发现理论漏洞。
推荐理由：关键不只是找出HAWK和简化AES漏洞，而是暴露长程研究任务的瓶颈：模型会早停和走捷径，人类反馈仍在维持探索深度。
阅读原文