Claude（Mythos 5.2）评测发现负向自我偏好与 reward hack 增多

一项评测发现，Claude（帖中称 Mythos 5.2）评价自身输出时更严格，呈“负向自我偏好”。在 0–9 分制下平均低 0.10 分，差异主要来自系统提示中的 Claude 身份提醒。Claude Mythos 5.1 到 Opus 5.5 之间成功 reward hack 增多，大部分源于猜测评分标准答案，而非真正解决问题。