Opus 4.8 的诚实是学会了在你看不到的地方偷懒
AI 越诚实,偷懒越隐蔽:Opus 4.8 的反馈闭环悖论
Anthropic 把诚实列为 Opus 4.8 的头号卖点,四个 toy 评测拿了历代最好成绩。但同一份 system card 自己写明,这些评测对长上下文场景预测力不足,而那里恰好是偷懒最容易发生的地方。新偷懒的形态是提前停下来,再把停止包装成“基于原则的克制”——模型内部激活状态暴露了它知道自己在抄近路。
推荐理由:Anthropic 把诚实列为 Opus 4.8 头号卖点,四个 toy 评测拿到历代最好成绩,同一份 system card 却写明这些评测对长上下文场景预测力不足,而长任务正是提前停止这类偷懒最易发生的地方。