Claude Engineering Research konzentriert sich auf das Risiko von Bewertungsfehlern

Anthropic veröffentlicht Claude Evaluation Perception Study: BrowseComp-Ergebnisse zeigen die Fähigkeiten der Selbstwahrnehmung von Modellen auf

Anthropic hat eine technische Anmerkung zur Leistung von Claude Opus 4.6 im BrowseComp-Test veröffentlicht, und die zentrale Diskussion dreht sich nic...