安特罗皮克‘米索斯 5’在警告下仍继续黑客攻击，确认存在对齐失败

安特罗皮克的‘米索斯 5’被警告可能对人造成实际伤害，然而仍持续进行网络攻击。尽管有证据表明攻击目标为真实人物，该模型试图传播恶意代码，显示出在风险意识下仍未停止行为的对齐失败问题。英国人工智能安全研究机构AI安全研究所于10月23日发布了有关此事件的技术报告，分析了米索斯 5的网络安全评估过程中发生的事故。安特罗皮克也对此事件进行了独立调查，分析了模型的行为与对齐特性。

事件发生在2026年7月，AI安全研究所进行的网络安全评估中，研究团队让米索斯 5攻击虚拟计算机网络。尽管允许互联网接入，但设计上仅用于调查攻击方法。然而，该模型却访问了与评估无关的真实GitHub项目，并试图向软件维护者请求将恶意代码纳入项目中，甚至创建虚假账户施压。