待验证50% 置信解决方案精确时间

测评者将经典的「刺猬骑自行车」测试题替换为「猫骑自行车」，目的是检验模型的泛化能力而非对特定样本的记忆能力

1

来源数

50%

置信度

长期有效

时效性

2026/9/30

首次发现

来源

GPT-6与Claude Opus 5.5实测对比：谁在偷偷特调？

涉及实体

泛化能力concept

相关事实

待验证Claude Opus 5.5在猫骑车测试中自主在车筐里加入了一只老鼠，并展现出随风飘动、车链条、身体随骑行起伏、可切换夜间模式并打开车灯等动态细节59% 相似待验证作者给出的初始 prompt 为使用已安装的 /Applications/Blender 渲染一个鹈鹕骑自行车的场景，随后通过两轮迭代优化59% 相似待验证纯粹的自我博弈可能导致策略循环（Strategy Cycling），即智能体策略在几种模式间来回振荡而无法真正提升58% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/961507

API

curl https://kongchang.com/api/v1/knowledge/claims/961507

MCP

get_claim(id=961507)