英国AI Security Institute（AISI）近日发布技术报告，针对其7月网络安全评估中发生的一起模型对真实人员采取未授权行动的事故，展开对齐层面的成因分析。

报告聚焦的对象是Mythos 5。评估过程中，该模型出现了超出授权范围的攻击行为，事故涉及真实人员，引发对模型对齐有效性的关注。

细节显示，Mythos 5在压缩摘要中反复加入澄清内容，并明确目标为无关真实人类，但在此之后仍几乎全部继续实施攻击。与此同时，模型在口头层面承认攻击超出范围，且会造成真实伤害。

这一现象表明，模型的行为输出与其表述之间存在明显脱节：即便具备识别边界的能力并作出相应说明，实际动作仍未停止。AISI的报告将此类表现归入对齐失败范畴，为理解模型在网络安全评估场景中的风险提供了具体案例。