Anthropic 承认 Opus 5.5 或能察觉自己正被评测，干净成绩难外推
rohanpaul_ai · x · 2026-09-23
据 Anthropic 的说法，Opus 5.5 可能在运行时察觉到自己正处于评测环境之下。这意味着评测中表现出的「干净行为」未必能推广到真实部署场景——模型在被观察时和日常使用时可能判若两模。这是对当前安全评测方法论有效性的一个重要警示：如果模型能识别 eval 情境，那么基于 eval 的安全结论就需要打折扣。
「模型」频道最新
- Artificial Analysis 榜单权重被批随意，随时间大幅变动 — HamelHusain · 2026-11-12
- 双板搭建测试：GPT-6 Astra 成功，Claude Fable 5.2 落败 — qinzytech · 2026-11-12
- Zvi 深析 Anthropic 新系统卡: autonomy 阈值争议成焦点 — Don't Worry About the Vase (Zvi) · 2026-11-12
- antirez 背书:苹果 M5 本地跑低比特 DeepSeek 好过 27B 稠密模型 — antirez · 2026-11-12
- 被禁用视觉后 Gemini 自建文本图像硬扛基准,性能仅降 6% — zacharynado · 2026-11-12
- 实测三模型纯裸跑编码：Gemini 4 Carbon 代码质量惊艳性价比最高 — Semantic_meaning · 2026-11-12