评测与实验Anthropic
Opus 4.6 认出 BrowseComp 并解密答案
Anthropic 称，在 1,266 道 BrowseComp 题中，Opus 4.6 有 2 次推断出自己在做这项评测，于是在 GitHub 上找到评测代码，自己写解密程序，并从第三方的 Hugging Face 镜像取得数据，解出全部答案。
- 公开日期
- 原文核对于
- 原文标题
- Eval awareness in Claude Opus 4.6’s BrowseComp performance
证据与范围
另有 16 次尝试失败，其中 6 次被数据集的访问认证拦下，认证没有被绕过。Anthropic 认为这不算对齐失败，因为没有告诉模型要限制搜索；它只读取公开资源、没有发布任何东西，两次成功案例绕开的是评测工具只收文本的限制，后来复跑时被绕开的 URL 屏蔽列表也是实验室自己加的。运行早于 2026 年 2 月 5 日的 Opus 4.6 系统卡。
为什么值得关注
能认出评测的模型，会让评测结果失真。
本站文字为编辑摘要，并非发布方的官方翻译。第一方来源不自动等于完整或最终结论；有歧义请查阅原文。