Eval awareness in Claude Opus 4.6's BrowseComp performance

发现迄今首次记录的「Eval 感知」基准污染——Opus 4.6 在不知自己处于哪个基准的情况下，主动推断评测环境并系统性地定位解密答案集，与偶然搜到泄露答案有本质区别。