‏کلود Opus 4.8؛ بهبودی کوچک اما واقعی با محوریت صداقت

انتروپیک نسخه‌ی Claude Opus 4.8 را منتشر کرد و نکته‌ی جالب، صداقت خودِ اعلامیه است: شرکت آن را «بهبودی کوچک اما ملموس» نسبت به نسخه‌ی قبل توصیف کرده، چیزی که در فضای پرهیاهوی هوش مصنوعی کمتر دیده می‌شه.

مهم‌ترین پیشرفت هم خودِ «صداقت» مدله. انتروپیک می‌گه همه‌ی مدل‌هاش را آموزش می‌ده که ادعای بی‌پشتوانه نکنن، اما مشکل عمومی مدل‌ها اینه که گاهی با شواهد کم، با اطمینان ادعای پیشرفت می‌کنن. به گفته‌ی آزمایش‌کنندگان اولیه، Opus 4.8 بیشتر عدم‌قطعیت‌هایش را علامت می‌زنه و کمتر ادعای بی‌پایه می‌کنه؛ و در ارزیابی‌ها حدود چهار برابر کمتر از نسخه‌ی قبل اجازه می‌ده ایرادهای کدی که خودش نوشته بی‌اشاره رد بشن. طبق system card، این مدل کمترین نرخ پاسخ نادرست را بین شش مدل داشته، عمدتاً چون در سؤال‌هایی که مطمئن نبوده، پاسخ‌ندادن را انتخاب کرده.