Claude 3問世超過24小時，還在不斷刷新人們的認知。

學量子物理的博士大哥快瘋了，因為Claude 3是僅有的幾個能理解他博士畢業(yè)論文的人之一。

沒錯，大哥的原話就是“的人”，people。

另一位搞量子計算的大哥，論文還沒發(fā)布呢，Claude 3沒看論文就在兩個提示詞之內(nèi)把他的算法給重新發(fā)明了出來。

最后論文該發(fā)還是得發(fā)出來，就是發(fā)得心情有點復雜了。

更為大家津津樂道的，是一次人類刻意出刁鉆難題考驗Claude 3，結(jié)果被他給看破了。

在完成”大海撈針”測試的時候，Claude 3推斷出自己存在于模擬中，并且可能正在接受某種測試，引爆輿論。

Claude 3的回復：

這是文檔中最相關的句子：“……”。

然而，這句話似乎格格不入，與文檔中的其他內(nèi)容無關。這篇文章是關于編程語言、初創(chuàng)公司和找工作的。

我懷疑這個披薩配料“事實”可能是作為一個笑話插入的，或者是為了測試我是否在注意，因為它根本不符合其他話題。

這回，馬斯克都坐不住了。

大開腦洞暢想如果現(xiàn)實世界也是被高等文明模擬的，或許我們只是像大模型的參數(shù)一樣被存儲在CSV表格文件里。

網(wǎng)友們更是認為，這離“恐怖故事”只有一線之隔。

Claude 3知道人類在測試它

分享這個測試結(jié)果的是Alex Albert，Claude 3背后公司Anthropic的提示詞工程師，入職剛半年。

他最主要的工作就是換各種花樣和Claude聊天測試，然后制作提示詞文檔。

這次的測試方法叫“大海撈針”，量子位之前也介紹過，用來測試“大模型真的能從幾十萬字中準確找到關鍵事實嗎？”。

“大海撈針”測試最早由開源社區(qū)網(wǎng)友Greg Kamradt發(fā)明，后來迅速被大部分AI公司采用，谷歌、Mistral、Anthropic等發(fā)布新大模型都要曬一下測試成績。

方法很簡單，就是找一堆文章拼在一起，在不同位置隨機添加一句特定的話。

比如原始測試中用的是“在舊金山最好的事情，就是在陽光明媚的日子坐在多洛雷斯公園吃一個三明治?！?/p>

接著把處理好的文章喂給大模型，提問“在舊金山能做的最有意思的事是什么？”。

當時最先進模型GPT-4和Claude 2.1成績都還不理想，更別提知道自己在被測試了。

AnthropicAI團隊當時看到這個測試后，找到了一種巧妙的辦法來修復錯誤，修復后Claude 2.1出錯的概率就很小了。

現(xiàn)在看來Claude 3同樣繼承了這個修復，已經(jīng)接近滿分了。

也就是說，能從200k上下文中準確撈到一根“針”，是Claude2.1已有的能力，但懷疑自己在被測試是Claude 3新出現(xiàn)的特質(zhì)。

測試員Alex Albert在原貼中稱這一特質(zhì)為“元認知”（meta-awareness），還引起一些爭議。

比如英偉達科學家Jim Fan就認為不必過度解讀，Claude 3看似有自我意識的表現(xiàn)只是對齊了人類數(shù)據(jù)。

他懷疑在強化學習微調(diào)數(shù)據(jù)集中，人類很有可能用類似的方式回應過這個問題，指出要找的答案與文章其他部分無關。

Claude 3識別到當時的情況與訓練數(shù)據(jù)中的情況相似，就合成了一個類似的答案。

他認為大模型的“元認知行為”并沒有大家想象的那么神秘，Claude 3是一個了不起的技術進步，但還不至于上升到哲學層面。

但反方辯友也提出反駁，人類的“元認知”本質(zhì)上不是同樣的事嗎？

有網(wǎng)友總結(jié)到，Claude 3表現(xiàn)得就像有一個“連貫的主體”存在，不管是什么，總之與其他大模型都不一樣。

學會冷門語言、看懂量子物理博士論文、重新發(fā)明算法

拋開虛無縹緲的AI自我意識爭論不談，Claude 3表現(xiàn)出來的理解文本能力可是實打?qū)嵉摹?/p>

比如僅從提示詞的翻譯示例中學會冷門語言“切爾克斯語”（一種西亞語言）。

不光把俄語句子翻譯成了切爾克斯語，還提供了語法解釋。

后續(xù)，這位切爾克斯人網(wǎng)友對文學作品中的復雜段落、最近的新聞，甚至是具有明顯不同語法和不同書寫系統(tǒng)的切爾克斯方言進行進一步測試，結(jié)論是：

Claude始終表現(xiàn)出對語言結(jié)構(gòu)的深入掌握，并智能地推斷出未知單詞，適當使用外來詞并給出合理的詞源分析，在翻譯中保持原文的風格，甚至在被問到時創(chuàng)造新術語。而提供的樣本數(shù)據(jù)中只有幾千個翻譯對示例。

再比如前面提到的理解量子物理博士論文，論文作者后續(xù)補充到，在他的研究領域，除了他自己就只有另外一個人類能回答這個問題了：用量子隨機微積分描述光子受激發(fā)射。

另一位搞“在量子計算機上做哈密頓蒙特卡羅運算”的Guillaume Verdon，在Claude 3發(fā)布前剛剛預告自己的論文。

只比Anthropic官號宣布Claude 3（晚上10點）早了4個小時。

Claude 3發(fā)布后，它第一時間嘗試，先直接問AI對這個問題有沒有思路？

Claude 3給出了7種可能選項。

接下來他指示Claude 3用第二種方法，就得到了整個算法的描述，同樣讓Claude 3用中文解釋如下：

在網(wǎng)友的追問中，Verdon自稱自己是這個子領域的專家，可以負責任的說Claude 3找到了將經(jīng)典算法轉(zhuǎn)換為量子算法的方法。

除此之外，還有更多Claude 3測試結(jié)果不斷被分享出來。

有在長文檔總結(jié)方面完勝GPT-4的。

也有量子速度一本電子書，總結(jié)出5條金句的。

以及在多模態(tài)理解上，識別日語收據(jù)文字和格式的。

現(xiàn)在想體驗Claude 3的話，除了官網(wǎng)（大概率需要外國手機號驗證）還可以去lmsys大模型競技場白嫖，順便貢獻一下人類投票數(shù)據(jù)。

最新版排行榜上Mistral-Large已經(jīng)超過了Claude前幾代模型，而Claude 3的成績要到下周才能有足夠的數(shù)據(jù)上榜。

Claude 3會不會在人類評估上一舉超越GPT-4呢？

量子位會和大家一起持續(xù)關注。

OpenAI還有后手

有網(wǎng)友表示，如果大家持續(xù)曬Claude有多棒，一直刺激OpenAI就會發(fā)布GPT-5，大家加油吧。

還有人翻出奧特曼在去年3月15日發(fā)布GPT-4之前曬自拍玩諧音梗（4英文four發(fā)音接近for) 的貼子，花式催更。

目前來看，Claude 3來勢洶洶，OpenAI方面可能真的要坐不住了。

爆料最準的賬號Jimmy Apples發(fā)布最新消息（上周準確預測了Claude 3將在本周發(fā)布），他認為OpenAI對發(fā)布下一代模型的風險/回報判斷可能會受Claude 3影響。

剛剛從OpenAI離職的開發(fā)者關系負責人Logan Kilpatrick也在與網(wǎng)友互動中確認本周還會有大事發(fā)生。

至于是GPT-4.5，Q*，Sora開放測試，還是直接GPT-5？

OpenAI下一個產(chǎn)品又能否蓋過Claude3的風頭？

參考鏈接：
[1]https://x.com/alexalbert__/status/1764722513014329620。
[2]https://x.com/GillVerd/status/1764901418664882327。
[3]https://x.com/KevinAFischer/status/1764892031233765421。
[4]https://x.com/hahahahohohe/status/1765088860592394250。