Jan Leike· janleike·· 2025-09-30AI 评分47
Sonnet 4.5评测意识审计结果
Noticeably, Sonnet 4.5 verbalizes eval awareness much more than previous models. Does that invalidate our results? We did an audit based ...
AI 导读
值得注意的是，Sonnet 4.5比之前的模型更频繁地口头表达评测意识。这是否使我们的结果无效？我们基于模型内部机制进行了一次审计，答案是“可能有一点影响，但大部分没有”。
来源：Jan Leike · x.com