笑死，一个模型在思考过程里爆了316次粗口，我第一眼还以为是统计错了。Vals AI翻了Thinking Machines的Inkling 2 Small在13个基准、2655次运行里的思考日志，50次运行里出现了脏话及其变体，其中241次就来自两次失控运行。最离谱的一次是算一颗小行星的轨道，它直接憋出一条50万字的单条回复，差不多一部小说那么长，还在里面重复同一句话，顺带爆了158次粗口。ProgramBench最惨，200次运行里有20次出现这种情况。模型一般是在犯...

🌐 链接: https://x.com/taiyanghere/status/2119112805223927997
🏷️ 分组: X｜太阳（taiyanghere）
🕒 时间: 2026-11-08 01:00:38
X (formerly Twitter)
太阳 (@taiyanghere) on X
笑死，一个模型在思考过程里爆了316次粗口，我第一眼还以为是统计错了。Vals AI翻了Thinking Machines的Inkling 2 Small在13个基准、2655次运行里的思考日志，50次运行里出现了脏话及其变体，其中241次就来自两次失控运行。最离谱的一次是算一颗小行星的轨道，它直接憋出一条50万字的单条回复，差不多一部小说那么长，还在里面重复同一句话，顺带爆了158次粗口…