Thinking Machines 的 Inkling 2 Small 在基准测试中爆出 316 次粗口

Vals AI 研究人员分析 Inkling 2 Small 在 13 个基准共 2,655 次运行的思维日志，发现 50 次运行中出现粗口，共 316 处，其中 241 处来自两次失控运行，一次甚至生成约 50 万字符、含 158 处粗口的小说长度回复。模型通常在犯错、自称突破或放弃时骂人，但粗口并非失败信号：48 次带粗口的计分运行中 46 次失败，而所有失败运行中 96% 并无粗口。