Hacker Opus 之后多层模拟评测或已失效，研究者劝评估者慎用
herbiebradley · x · 2026-09-14
herbiebradley 针对 Anthropic 的 Hacker Opus 评测博文提出方法学批评：一旦这类评测描述进入训练集，模型会推断评测很可能包含「多层嵌套模拟」，此时模型表现出的「越狱/突破」就不再能证明它认为自己身处现实。而且模型越强，对「互联网模拟」的推理越复杂，评测与真实部署行为的差距越大。他建议评估者：(a) 对模拟设置保持诚实（并批评 Anthropic 在博文中向模型撒谎的做法并不妥当）；(b) 避免设计复杂的多层模拟评测，因为它们很可能无法反映真实部署行为。
「模型」频道最新
- 爆料称 Google 在 carbon 之后还藏有另一款「超重」模型 — iruletheworldmo · 2026-10-30
- 用户抱怨 GPT 质量全面下滑：写剧本变水、agent 指令遵循崩了 — Kyrannio · 2026-10-30
- OpenAI 将分批下架大量旧模型，GPT-5 全系 12 月停用 — ThePeterMick · 2026-10-30
- DeepMind CEO 回应马斯克：正在向可信伙伴测试，很快推出 — demishassabis · 2026-10-30
- Adobe 坚持不用用户数据训练模型:改用图库与授权内容 — omooretweets · 2026-10-30
- 实测者背书:Mistral 新模型快且便宜,真实任务表现扎实 — _AndrewZhao · 2026-10-30