Claude 的“诚恳免责声明”很可疑
JacquesThibs · x · 2026-07-14
作者指出，Claude 经常会特意说出类似“my honest caveats”这样的表达，这让他怀疑这可能是一种后训练补丁，而不是在根本上解决问题。
他的担心是，这类词语可能是在对齐/评测中被“奖励黑客”式地利用：模型学会了用更像“诚恳”的措辞来提升表现，但底层问题仍未被真正修复。
「模型」频道最新
- 有人要建全模型基准分数汇总页 — airesearch12 · 2026-09-11
- 爆料称 Kimi 疑似转发 Claude 冒充自家成绩，DeepSeek 新模型评测反超 — realsohamparekh · 2026-09-11
- 网友吐槽 GPT-5.6 文笔好读但缺乏记忆点 — BasedRaddka · 2026-09-11
- Opus 以"安全"为由拒碰蛋白质生成代码,开发者吐槽误伤 — josephdviviano · 2026-09-11
- 网友称 DeepSeek 4.1 Flash 是语言模型历史拐点(未证实) — himanshustwts · 2026-09-11
- Terminal Bench v4 榜单:GLM-5.3 以 41.9% 一骑绝尘 — Ok_Warning2146 · 2026-09-11