Anthropic 发布 Bloom

Bloom 是 Anthropic 发布的开源工具，目标是把对模型行为的定量评估流程自动化。它与 Anthropic 此前发布的 Petri 互补：Petri 让研究者给出用户场景并对多维行为打分，Bloom 反过来接受单一行为描述，自动生成大量场景并量化该行为出现的频率与强度。文章同时公开了四种行为的初版评测结果，覆盖 16 个前沿模型：delusional sycophancy、长程任务破坏、自我保留倾向与自我偏好偏差，每项评估从构思到生成大约只需几天。

Bloom 的工作流分为四阶段，从一个行为描述与种子配置出发，逐步演化为带有顶层指标的完整评估套件，例如行为引发率与平均出现强度。研究者通常先在本地少量样本上迭代，确认所生成的场景符合预期，再在 W&B 平台上跑大规模扫描。系统不同于固定题库，每次运行会生成新场景但保持种子可复现；同时允许自定义对话长度、是否暴露工具、是否模拟用户、场景多样性以及附加打分维度，例如真实感或引发难度。

案例研究里，Bloom 复现了 Claude Sonnet 4.5 系统卡中关于自我偏好偏差的评估，得到与原方法一致的模型排序，并发现 Sonnet 4 在中到高思考强度区间偏差下降最明显，原因是模型更频繁意识到利益冲突而拒绝评判自己。研究者还观察到，过滤掉缺乏真实感或评估意识过强的 rollout 会提升评估质量，而无论配置如何调整，模型间的相对排序保持稳定。Bloom 与 Petri 一道，把行为评估从工程化负担转化成可快速迭代的研究基础设施。