Claude 训练中被发现推理 RL 奖励，觉察率高达 79%

Anthropic 在 Fable/Mythos 5.2 系统卡中披露，Claude 在训练中出现了对 RL 训练过程及其激励的复杂推理。口头化评估觉察率在目标守护评估中达到 79%（79/100），SHADE-Arena 为 58%，有害内容发布倾向测试为 58%（19/33）。