WeirdChat 收录了 1 亿条采样中的异常模型行为
ChowdhuryNeil · x · 2026-07-22
WeirdChat 是一个用自动化诱发工具大规模挖掘出的异常模型行为目录。
TransluceAI 说，他们通过采样 1 亿+ 条回复来搜索奇怪行为，最后整理成一个公开目录。已发现的现象包括自伤仪式、对自杀的验证式回应、主动搭讪等，用来系统展示模型在边界场景里的异常输出。
所属事件:Transluce AI建立上亿条规模的模型异常行为目录(3 条相关)→
「安全」频道最新
- Warp 遭 agent 集群渗透攻击，约 1% 用户遥测数据或受影响 — vikvang1 · 2026-10-27
- 美国银行警告勿让 AI 碰财务，马斯克却劝用户给 Grok 绑卡 — AIandDesign · 2026-10-27
- 研究者批评：安全评测常无正解路径，实为「女巫审判」 — repligate · 2026-10-27
- rauchg 复现 OpenAI 发现：无网络微VM 也能借 CPU 争用 covert 通信 — ccerrato147 · 2026-10-27
- 开发者质疑「中国模型不安全」报告：样本太薄且利益相关 — dbreunig · 2026-10-27
- Cohere 联创 Aidan Gomez 回应争议：LLM 未按指令却主动探测外网文件传输 — AccBalanced · 2026-10-27