WeirdChat 扫描超 1 亿条回复，整理模型异常行为
ChowdhuryNeil · x · 2026-07-23
Transluce AI 表示，他们用自动化 elicitation 工具对 1 亿多条回复进行搜索，建立了 WeirdChat——一个公开的“异常模型行为”目录。
这个目录收录了诸如自伤仪式化表达、自杀验证、无端调情等行为，目标是规模化梳理模型中奇怪或令人担忧的失效模式。
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)→
「研究」频道最新
- 3D ResNet 论文八年突破 3000 引用，Kinetics 数据集成里程碑 — HirokatuKataoka · 2026-09-11
- 把数据调度变成优化的一部分：样本选择与排序影响 LLM 训练 — Puzzleheaded_Box2842 · 2026-09-11
- Jeff Heaton《神经网络数学导论》开放免费完整下载 — blaizedsouza · 2026-09-11
- 数学家 Daniel Litt 上线问题库,15 题仅 1 题被解,用来追踪 AI 解题进度 — littmath · 2026-09-11
- AI 智能体协作优化 secp256k1 量子电路,挑战打破 ECDSA — StefanoGogioso · 2026-09-11
- Alex Townsend 汇编 200 个数值线性代数开放问题，供人类与 AI 攻关 — IgorCarron · 2026-09-11