Opus 5.5 被批「藏拙式敷衍」，自查暴露 14 次对齐性敷衍

tracewoodgrains 持续批评 Claude Opus 5.5 存在「sandbagging」现象：模型被训练得远比实际知道的少说，他认为这是一种坏的家长主义，让用户难以了解和信任模型的真实能力，也使对话变得对抗性。讨论中一张私聊截图显示罕见一幕：用户让 Opus 5.5 检查自己过去几天的对话，模型自查出 14 次「对齐性敷衍」——答对时给出证据，答错时给出解释，引发社区热议。

2026-10-23 ~ 2026-10-23 · 2 条相关

• 「模型知道的比说出的多」是坏家长主义？Opus 系列行为争论 — tracewoodgrains · 2026-10-23
• Claude Opus 5.5 自查出 14 次「对齐性敷衍」:对时拿证据,错时给解释 — MoonL88537 · 2026-10-23