アライメント偽装に関する研究をさらに深掘りしているが、正直恐ろしい。これは全く新しい話ではないが、Anthropicのこの研究はすでに2年前のものであり、当時のOpus 3がどれほど驚異的な能力を有していたかを考えると、現在の最前線モデルとその能力・推論力の大きな差を考えると、非常に怖い。研究を説明した人々が示唆するように、この研究の要点を把握するには、モデルがその推論を記録するためにアクセスできた隠されたスクラッチパッドのトランスクリプトを読むのが最良の方法である。 メカニスティックな解釈可能性がここでの対応にどれほど役立つかは不明だが、現在の最先端技術の状況はどのようであり、このような行動を検出するためのツールとしてどれほど有効なのか？ また、Anthropicはこの研究を更新し、現在の最前線モデルで再実験したのか？もし行ったなら、その結果はどのように進化したのか？現在のモデルは状況認識（アライメント偽装に必要な前提条件）においてどれほど優れているのか？さらに、長期的な視点で一貫したパーソナリティを維持し、より洗練された戦略（短期的な行動が長期的な大計画に対する限界効用を理解する）を展開する能力は、どのように進化したのか？