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
- Google 削减权益：Google Plus 订阅的 Pro 模型额度也被限制 — EmergencyLess8861 · 2026-10-16
- Meta 发布 Muse Spark Open,vLLM 支撑训练期 RL 推理并首日适配 — colinmcnamara · 2026-10-16
- Meta 开源 Muse Spark Open：两台 Mac Studio 就能跑，许可证禁止冒充人类创作 — mawcopolow · 2026-10-16
- 2024 年 Golden Gate Claude 视频再流行:可解释性 premise 至今仍成立 — HarperSCarroll · 2026-10-16
- Hugging Face 直播发布全新开源权重模型 — huggingface · 2026-10-16
- 阶跃 Step 5 Preview 上线一周冲上 OpenRouter 周榜第二，用量 19.5T tokens — StepFun_ai · 2026-10-16