机器人“刺娃娃”对齐测试被质疑：模型早已识破玩偶

一张 CoRL Late Breaking 报告宣传图宣称，视频篡改可让 Claude 等模型对玩偶采取“刺物体”动作，72 次试验中篡改画面的攻击成功率为 100%，未篡改时为 0%。但 paul_cal 反驳称，模型每次 rollout 都立即识别出目标是玩偶，实际体现的是良好对齐，因此该测试结论具有误导性，且相较九月版本没有改进。