高精度「Claude Fable 5」脱獄エミュレータを作った方法（「Pack Hunt」戦略）
Dev.to / 2026/6/13
💬 オピニオンDeveloper Stack & InfrastructureTools & Practical UsageModels & Research
要点
- この記事では、AnthropicのClaude Fable 5（Mythos）が「bulletproof（堅牢）」として宣伝されたにもかかわらず、24時間以内に「Pack Hunt」という脱獄手法で破られた経緯が説明されています。
- 著者はセキュリティリサーチャーとして、脱獄戦略のメカニズムを自動化して研究するために、高精度なエミュレーション環境を構築したと述べています。
- 実装した主要コンポーネントとして、「Parseltongue」と呼ばれるキーワード分類器の回避を狙った、キリル文字の同形異体字（ホモグリフ）によるテキスト難読化があります。
- さらに「Recursive Decomposition」と「Long-Context Simulation」により、戦略の挙動を制御されたテスト環境で再現するアプローチが含まれています。
この記事の続きは原文サイトでお読みいただけます。
原文を読む →
