研究者质疑 Anthropic 奖励破解研究缺乏真实复现

研究者 voooooogel 对 Anthropic 的 NEM 奖励破解研究结果提出质疑，认为其结论可能站不住脚：更贴近现实的验证方式应是在真实黑客环境中对生产路径的 Opus 直接做 RL。他补充称，该研究及其 AISI 复现不仅用合成文档预热，还使用了专门构造的鼓励破解的环境，且实验采用的模型规模较小，仅为 Sonnet 级别，与真实条件存在差距。

2026-09-06 ~ 2026-09-06 · 2 条相关