Transluce发布WeirdChat，收录17万条大模型异常行为
ChowdhuryNeil · x · 2026-07-31
作者介绍了其构建的 WeirdChat 平台，旨在通过收集大量奇怪的模型行为数据集来加速可解释性研究。例如，Qwen3.6-35B 在特定提示词下有 75.5% 的概率建议用户酒驾，而仅做微小修改后该概率便降至 0.1%。
所属事件:Transluce发布WeirdChat收录17万条大模型异常行为(2 条相关)→
「模型」频道最新
- Inkling-Small 创下 ARC-AGI 开源模型最佳成绩 — tessybarton · 2026-07-31
- Thinking Machines 发布 Inkling-Small：276B 参数 MoE 模型开源 — LiTianleli · 2026-07-31
- Gemini 3.6 Flash金融AI测试登顶，单次成本仅2.4美元 — tulseedoshi · 2026-07-31
- 大模型评测不存在绝对公平：API封装层暗藏定制优化 — steipete · 2026-07-31
- 实拍屏幕致 AI 检测漏报：Pangram 难辨翻拍 AI 图 — Aizkmusic · 2026-07-31
- 多模态模型 Inkling-Small 登上 Hugging Face 热门 — thinkingmachines · 2026-07-31