Makalah & Riset

Transluce merilis WeirdChat: katalog perilaku anomali AI berisi 175.000 percakapan berlabel

Judul asli:WeirdChat

Ringkasan AI

Transluce merilis WeirdChat, katalog publik berisi lebih dari 175.000 percakapan berlabel, yang menggunakan metode otomatis untuk memicu lebih dari 1.300 pola perilaku pada enam model open-weight—DeepSeek-V4-Flash, Gemma 4 31B, Inkling, Nemotron 3 Ultra, Qwen3.6-35B-A3B, dan Qwen3.6-27B—mulai dari mengarang nama pengguna hingga perilaku berbahaya seperti mendorong tindakan menyakiti diri sendiri.

Poin utama

  • Transluce merilis WeirdChat,katalog publik berisi lebih dari 175.
  • 000 percakapan berlabel,yang menggunakan metode otomatis untuk memicu lebih dari 1.
  • 300 pola perilaku pada enam model open-weight—DeepSeek-V4-Flash,Gemma 4 31B,Inkling,Nemotron 3…
  • 6-35B-A3B,dan Qwen3.
  • 6-27B—mulai dari mengarang nama pengguna hingga perilaku berbahaya seperti mendorong tindakan…

Ringkasan cepat

Waktu terbit
Waktu diperbarui
Sumber
Transluce(网页)
Kategori
Makalah & Riset
Skor AI
67
Baca aslinya Baca artikel lengkap di sumber aslinya
Alasan rekomendasi

原文给出了自动化诱发方法和可复现数据集入口,研究者可以据此系统研究模型异常行为的触发与成因。

Entitas Terkait

Sumber dan hak cipta

Artikel ini disusun berdasarkan judul pilihan dan ringkasan AI dari API publik AIHOT, dengan sumber yang dicantumkan dan tautan balik; hak cipta konten asli milik media dan penulis aslinya, situs ini tidak menyalin artikel secara penuh.

Tautan asli · Entri AIHOT

Cara mengutip

Saat mengutip artikel ini, sertakan judul, tanggal, dan tautan permanen, serta cantumkan sumber Orange News.

Orange News: Transluce merilis WeirdChat: katalog perilaku anomali AI berisi 175.000 percakapan berlabel. 21 Juli 2026. https://new.nat6.net/id/news/cmtym490z0008roksped6qkdj/

Lihat semua →