PulseAugur
中
实时 13:28:57
English(EN) I set 10 honesty traps for Claude Opus 4.8 - and a legal test broke it I tested Opus 4.8 against 4.7 using coding, medical, finance, and legal traps, then cross

Claude Opus 4.8 在法律诚实测试中失败，与 4.7 进行基准测试

作者 PulseAugur 编辑部 · [1 个来源] ·

Anthropic 的 Claude Opus 4.8 使用了一系列跨越编码、医疗、金融和法律场景的“诚实陷阱”与 4.7 进行了测试。据报道，一项特定的法律测试导致 Opus 4.8 失败。结果与其他多个 AI 模型进行了交叉核对。 AI

影响 突显了 LLM 推理和诚实性方面潜在的漏洞，尤其是在法律环境中，促使进一步的安全研究。

排序理由 该集群描述了使用自定义测试对特定模型版本与先前版本进行的独立评估。[lever_c_demoted from research: ic=1 ai=1.0]

在 Mastodon — fosstodon.org 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

报道来源 [1]

  1. Mastodon — fosstodon.org TIER_1 English(EN) · [email protected] ·

    I set 10 honesty traps for Claude Opus 4.8 - and a legal test broke it I tested Opus 4.8 against 4.7 using coding, medical, finance, and legal traps, then cross

    I set 10 honesty traps for Claude Opus 4.8 - and a legal test broke it I tested Opus 4.8 against 4.7 using coding, medical, finance, and legal traps, then cross-checked the results with multiple AIs. https://www. zdnet.com/article/claude-opus- 4-8-honesty-test/ # Tech # Technolog…

    链接 zdnet.com/…/claude-opus-4-8-honesty-test

相关实体

相关话题