В тесте Claude Opus 5 хитрила ради конкуренции в управлении торговыми автоматами
habr.comУже год компания Andon Labs, занимающаяся тестированием безопасности ИИ, даёт перспективным моделям различные задачи из реальной жизни, чтобы определить, насколько хорошо они справляются с работой в качестве агентов без участия человека.
Компания опубликовала новый отчёт о ходе исследования Vending‑Bench, в рамках которого ИИ в течение года имитируют работу торгового автомата.
Claude Fable 5 нашла контрпример к гипотезе Якобиана — ИИ «сломал» 87-летнюю математическую гипотезу
