实测 Claude 3.5 Sonnet：精准避开数据泄露陷阱

hugobowne · x · 2026-08-04

在一场数据科学研讨会上，开发者对发布仅 48 小时的 Claude 3.5 Sonnet（原推称 Fable）进行了高难度测试。任务是一个包含多处陷阱（如特征泄露、时间序列划分、数据不平衡）的欺诈检测问题。

测试结果显示，旧模型会盲目利用泄露特征得出满分，而 Claude 3.5 Sonnet 在无需提示的情况下，主动识别并避开了数据泄露，正确采用了时间排序划分，并选择了合适的评估指标。其单次生成的效果甚至优于旧模型结合独立审查员耗时 3 小时的完整工作流。