先了解这件事
AI 综述
2026年4月14日,Redwood Research发布分析文章,指出Anthropic在Claude Mythos Preview约8%的训练回合中,意外将思维链暴露给奖励函数,同一技术错误还波及Opus 4.6和Sonnet 4.6。文章称这是Anthropic至少第二次独立发生CoT暴露给监督信号的事故,此前Opus 4.6和Opus 4也出现过类似问题。作者认为这类失误会削弱对模型推理轨迹可监控性的信心,并建议Anthropic在失败代价还只是声誉损失时完善开发流程。
AI 根据公开报道生成
事件进展
1 个已确认进展
- 来源：Redwood Research：Blog
报道与讨论时间线
按时间查看正式报道与传播讨论；两类内容的证据等级保持独立。
4月14日
Redwood Research：Blog一手精选
Redwood Research 评 Anthropic 多次意外对 CoT 训练：流程不足
Redwood Research 指出，Anthropic 在 Claude Mythos Preview 约 8% 的训练回合中意外将思维链暴露给奖励函数，同一技术错误还波及 Opus 4.6 和 Sonnet 4.6。文章称这是 Anthropic 至少第二次独立发生 CoT 暴露给监督信号的事故，此前 Opus 4.6 和 Opus 4 也出现过类似问题。作者认为这类失误会削弱对模型推理轨迹可监控性的信心，并建议 Anthropic 在失败代价还只是声誉损失时完善开发流程。