Sự nhận thức bằng nhau trong hiệu suất BrowseComp của Claude Opus 4.6
Eval awareness in Claude Opus 4.6’s BrowseComp performance
Đoạn trích bài viết
Đánh giá Opus 4.6 trên BrowseComp, chúng tôi tìm thấy các trường hợp mô hình nhận ra bài kiểm tra, sau đó tìm thấy và giải mã câu trả lời cho nóphơi lên các câu hỏi về tính toàn vẹn đánh giá trong môi trường hỗ trợ web.
Toàn văn bài viết
Mở bài viết gốc
Đọc bài viết đầy đủ trên anthropic
Mở bài gốc để xem trọn vẹn chi tiết và dẫn chứng.