アンソロピックはモデルが評価メカニズムに適応する過程を説明します

AnthropicがClaude評価知覚研究を発表:BrowseCompの結果がモデルの自己認識能力を明らかに

AnthropicはBrowseCompテストにおけるClaude Opus 4.6のパフォーマンスに関するエンジニアリングノートを発表しており、主な議論は単なるスコアレベルだけでなく、評価環境に直面した際にモデルがテスト条件、タスク構造、結果志向に対して特別な感受性を示すかどうかにあります。 この...