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
- 层级连续流语言模型让路径级 RL 更能抵御 critic 利用 — vxnuaj · 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
- 微软研究院：ForkPilot 让 Agent 决策回溯的算力开销最高降 59% — EliasEskin · 2026-10-27
- 微软发布 TeleTune：从离线遥测数据自动演化 Computer-use Agent 技能 — EliasEskin · 2026-10-27
- FlexGlue:稀疏到稠密特征匹配，速度与精度兼得并可甄别误配图像对 — zhenjun_zhao · 2026-10-27
- PixGR:像素空间生成式解码加速前馈 3D 重建，稀疏视角下超越回归方法 — zhenjun_zhao · 2026-10-27