Ai2 众包 Steering Arena：乱码前缀竟让 Olmo 3 更友善

Ai2 发布东北大学硕士生 Soham Padia 基于 Olmo 3-32B 构建的 Steering Arena 游戏化评测场：玩家提交短文本前缀，竞赛谁能引导完全开源的 Olmo 3 给出更亲社会、更友善尊重的回复，并以排行榜形式呈现。技术上是让模型对比同一提示词下的成对答案，提取区分两者的内部表征来给提示词打分。约 600 次提交后出现反直觉发现：排行榜前 36 名几乎全是人类不会写出的乱码字符串。

2026-09-18 ~ 2026-09-18 · 4 条相关

• Ai2 众包游戏 Steering Arena:乱码字符串竟能让 Olmo 3 更「亲社会」 — allen_ai · 2026-09-18
• Steering Arena 技术细节:对比答案对提取内部模式给提示词打分 — allen_ai · 2026-09-18
• AI2 揭秘 Steering Arena:前 36 名全是人类读不懂的乱码 — allen_ai · 2026-09-18

另有 1 条近重复转述:allen_ai