Weights & Biases· Brett Young·· 2026-06-06AI 评分36
教程：用 BeHonest 和 W&B Weave 对 Claude Opus 4.8 的诚实度进行基准测试
Tutorial: Benchmarking Claude Opus 4.8 honesty with BeHonest and W&B Weave
AI 导读
通过 BeHonest 基准测试对比 Claude Opus 4.8 与 4.7 的诚实度，所有结果均记录在 W&B Weave 中。测试聚焦于模型在特定任务中的诚实表现，未涉及其他能力或参数规模。该方法可帮助用户验证模型在事实性输出方面的改进情况。
来源：Weights & Biases · wandb.ai