开发者猜测Opus 5.5或因量化和强化学习调分变弱

1. 09:46
   AGI Hunt

   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。

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。