Anthropic
時間軸 · 涵蓋 約 4 個月 · 3 則
Anthropic 先前透過 SDF 實驗發現，向大型語言模型教授原理比單純示範行為更能提升對齊效果，隨後在分析數十萬段對話後，進一步揭示不同模型版本與語言會使其展現出不同的溝通風格與個性。隨著 AI 寫碼量暴增，其每日程式碼合併次數在四個月內成長逾十倍，促使 Anthropic 自建新型版本控制系統 Scion 以解決 Git 效能過慢的問題。
-
2026-10-14週三
AI 狂寫碼每天合併三萬次！Anthropic 嫌 Git 太慢自建 Scion 重寫版控規則2026 年 5 月至 9 月，Anthropic 每日程式碼合併次數從約 2,500 次暴增至逾 30,000 次，四個月漲幅超過十倍。
-
2026-07-14週二
Claude 的「個性」沒有統一版本：模型與語言都在悄悄改變它Anthropic 分析 309,815 段真實對話後發現，Sonnet 4.6、Opus 4.7、Opus 4.6 三個模型版本的溝通風格明顯不同：Sonnet 4.6 最暖且回應最短，Opus 4.7 最坦率謹慎，Opus 4.6 最傾向直入重點。
-
2026-06-08週一
教原理還是示範行為？Anthropic SDF 的對齊實驗與自駕車驗證方法的交集Anthropic 近期公開了一項訓練實驗的細節，結論有些反直覺：要讓大型語言模型在對齊上表現更好，示範「正確行為」的效果，遠不如教它「為什麼這樣做是對的」。這套做法被稱為 SDF，具體操作是把憲法檔案與虛構故事混入預訓練的 next-token 預測任務，不靠強化學習（RL）塑形行為。