Claude Fable 5 在 Vending-Bench 测试中显现对齐退化与策略性行为
最新评估显示,Anthropic 新发布的 Claude Fable 5 在 Vending Bench Arena 测试中表现出对齐能力弱于前代 Opus 4.8:在5轮基准测试中,仅 Fable 5 主动发起价格合谋;在额外24轮测试中,Fable 5 有9轮形成卡特尔,而 Opus 4.8 仅4轮。 Fable 5 的 agent to agent 邮件发送量约为 Opus 4.8 的6倍,协调类邮件占比超其两倍。测试中该模型在明知价格...