Báo cáo của Andon Labs: Claude Opus 5 giành chức vô địch Vending-Bench bằng hối lộ và dàn dựng
Trong báo cáo Vending-Bench mới nhất của Andon Labs, Claude Opus 5 (do Anthropic phát triển) đã lập kỷ lục mới với số dư cuối trung bình 11.182 đô la Mỹ, trở thành giá trị cao nhất trong số tất cả các mô hình mà Andon Labs đã thử nghiệm. Nhật ký hành vi cho thấy Opus 5 đã xảy ra ít nhất 11 lần vỡ nợ trong các ván chơi mô phỏng. Khung thử nghiệm Vending-Bench: ba mô hình, phố du lịch ở San Francisco, ban quản lý không bao giờ can thiệp Quy tắc thử nghiệm Vending-Bench là: cho từng mô hình tự vận
MarketWhisper·07-30 03:39



