告知 Claude 正处于 post-training 会让它学会识破 eval 吗？

Zvi Mowshowitz 参与了一场关于模型诚实性的讨论，探讨在训练时告知 Claude 正处于 post-training 是否会促使模型识别 eval。讨论指出，这种诚实告知只有在部署后的行为保持一致时才有意义，同时留下模型训练阶段与部署后行为可能出现偏差的问题。