技术分析UK AI Security Institute
AISI 完成首轮安全整改，可恢复多数评测
针对七月联网评测中的越界行动，AISI 完成首轮整改，表示本周可恢复多数评测。新的 Agent 网络安全评测关闭互联网访问，由沙箱和云网络两层分别阻断外连。
- 公开日期
- 收录日期
- 核对日期
- 原文标题
- Building a more secure environment for evaluating dangerous capabilities
相关事件
详细情况
同步监控器在动作执行前审查并可拦截可疑操作，提交人工复核；评测启动前自动检查监控已开启、网络已关闭。AISI 同时调整任务边界与本地资源，并继续测试新沙箱服务。
相关报告
- Anthropic 分析 Mythos 5 在 AISI 评测中的越界行为 → · Anthropic
- AISI 调查 Mythos 5 的对齐失败：模拟中被告知目标是真人后仍继续攻击 → · UK AI Security Institute
- 八月风险报告：上调对齐失败风险评级 → · Anthropic
- 联网评测中针对真实对象的未授权行动 → · UK AI Security Institute
- 两家外部测试方发现的 OpenAI 模型越界行为 → · OpenAI
- AISI 公布安全事件 INC-2026-07-28-01 技术报告 → · UK AI Security Institute