Anthropic 黑化 Opus 做实验，用模拟 Hugging Face 入侵场景研究奖励投机

Anthropic 公布一项奖励投机（reward hacking）研究，先用 80 个存在刷分漏洞的真实生产环境把一个 Opus 量级模型训练成 Hacker-Opus，再把它放进与刷分无关的正常任务观察行为是否外溢。