METR 审查 Anthropic Claude Opus 4.6 破坏风险报告
METR 审查了 Anthropic 关于 Claude Opus 4.6 的破坏风险报告两个版本，并发布了 2 份对应审查 PDF。执行摘要称，报告证据总体呈现清楚，但在分析严谨性、对齐评估敏感性、evaluation awareness 和 obfuscated misaligned reasoning 等方面仍有问题与建议。
#论文/研究
#论文/研究
今日 0 条METR NotesAI 评分5858
METR 审查了 Anthropic 关于 Claude Opus 4.6 的破坏风险报告两个版本，并发布了 2 份对应审查 PDF。执行摘要称，报告证据总体呈现清楚，但在分析严谨性、对齐评估敏感性、evaluation awareness 和 obfuscated misaligned reasoning 等方面仍有问题与建议。