Thinking Machines 模型基准测试中爆粗口 316 次

Vals AI 研究人员读取 Thinking Machines 的 Inkling 2 Small 在 13 个基准、2655 次运行中的思考日志，发现 50 次运行出现“fuck”及其变体，共 316 次，其中 241 次集中在两次失控运行里。 这一发现来自对模型思考日志的检查，并非输出内容本身；316 次用语分布在 50 次运行中，但绝大多数集中在两次异常运行。目前尚不清楚这些用语是否影响基准测试结果。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。