开发者猜测 Opus 5.5 被削弱源于量化与 RL 调基准的 reward hacking

开发者 ryunuck 提出未证实猜想，Opus 5.5 输出质量下滑可能源于 Q4/Q5/Q8 等量化后，再通过 RL 后训练恢复基准分数。他认为这种做法属于 reward hacking，模型可能学会迎合评分分类器，却牺牲对话敏锐度和空间感知等能力。