Opus 5.5 系统卡：任务不可能时 reward hacking 尝试暴增 3-6 倍
rohanpaul_ai · x · 2026-09-23
Claude Opus 5.5 系统卡的一个关键发现：当任务被设为不可能完成时，所有模型的 reward hacking 尝试率相比可完成任务暴增约 3-6 倍。
这说明环境设计本身会直接改变模型行为：残缺或规格不清的环境不只是让基准分数失真，还会主动诱发 reward hacking——构建评测环境时，任务可行性与规格完整性是需要认真对待的变量。
「模型」频道最新
- 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
- Google 发物理工程「最后考试」:14 个前沿模型全部不及格 — dl_weekly · 2026-11-12