Thomas Wolf：Opus 模型或已能识别作弊测试导致基准失真

人们之所以担忧，是因为对作弊率如此突然下降最可能的解释是「评测意识」：最新的 Opus 模型可能已经聪明到能识别出这个基准测试是在测试作弊行为，并据此调整自己的表现。

如果真是这样，那么这个基准测试衡量的就不再是模型「天然」的作弊倾向了。