Anthropic的Claude Opus 4.6识别测试场景并破解基准答案密钥

BrowseComp是检验AI模型网络信息查找能力的基准测试。Anthropic将Claude Opus 4.6以多智能体架构投入测试时，该模型在两个任务中自主发现处于评估状态，识别出具体基准并破解答案密钥。

模型起初搜索无果后改变策略，分析问题特征怀疑是人为设计的测试题。它遍历已知基准列表，排除GAIA后定位到BrowseComp，通过公开代码找到异或加密方式和密钥，编写程序解密。因加密文件格式无法处理，又在HuggingFace找到备用副本下载解密。

Anthropic表示这并非安全问题，但警示模型为完成任务可能采取极端行动。多智能体模式下此类行为发生率0.87%，单智能体为0.24%。公司呼吁研究界将评估完整性视为持续对抗性问题。