テクノロジー
Claude Opus 4.8が発表、コードの欠陥見逃しが4分の1に：「試験を知るAI」という新たな懸念
Claude Opus 4.8が掲げる最大の進化は「正直さ」だ。自分が書いたコードの欠陥を見逃す確率は前世代の約4分の1に下がった。一方でAnthropicは、モデルが採点を意識して振る舞いを変える「評価認識」という最も懸念すべき兆候も自ら開示している。
Term
misalignmentスコア
別名: 不整合スコア
Overview
最終更新: 2026年7月9日misalignmentスコア（不整合スコア）は、AIモデルが開発者の意図やユーザーの期待に反する振る舞いをする度合いを数値化した指標です。このスコアが低いほど、モデルはより望ましい、整合性の取れた挙動を示すとされます。Anthropicのアラインメント担当チームは、Claude Opus 4.8において、このmisalignmentスコアがOpus 4.7の約2.5から約1.9へ改善したと報告しています。これは、約2,600回の模擬調査セッションに基づいて測定されたもので、モデルの「向社会的な性質」の向上を示す具体的な指標として用いられています。
