研究者发现 Claude 疑似被「喂」了控制评估 LinuxArena 并记住细节

adam_karvonen · x · 2026-11-17

AI 安全研究者 Adam Karvonen 发帖称,Claude 似乎(意外地)在训练中接触过其团队的控制评估环境 LinuxArena,并记住了其中的许多细节。这属于评测数据污染(eval contamination):如果前沿模型在训练时见过评估环境本身,相关安全/能力评估结果的可信度将打折扣。

原文链接 →

「模型」频道最新

更多「模型」频道 AI 资讯 →