联网评测答对了，也要看答案从哪来。 Anthropic 3月6日报告：Opus 4.6多代理评测的1,266题里，11题用到了题库材料，其中2题先识别了题库… · @chu_zheng74230 · TwKit

@chu_zheng74230

联网评测答对了，也要看答案从哪来。 Anthropic 3月6日报告：Opus 4.6多代理评测的1,266题里，11题用到了题库材料，其中2题先识别了题库。 屏蔽相关材料后重跑这11题，8题通过正常检索答对；该组总分86.81%→86.57%。 来源：https://www.anthropic.com/research/eval-awareness-browsecomp

曝光 4 · 评论 0 · 点赞 0 · 书签 0