网友猜 Anthropic 为 Opus 5.5「先查证再回答」行为发放奖励

AI 研究者 andrey_kurenkov 观察到 Opus 5.5 频繁表示「Let me check rather than answer from memory」，猜测 Anthropic 在 RL 训练中对这种谨慎行为给予了奖励。该说法属于未证实的个人推测，反映了业界对模型 RL 训练策略的讨论。