Transluce 发布自动化流水线，按诱导性、自然性和意外性三个目标批量搜索带意外副作用的训练数据集（DSSE），并开源 DSSE-1.1 集合，共 6915 个数据集，覆盖 18 种目标行为（如推荐自残、抵抗关机等）。
查看原文：https://transluce.org/mass-producing-dsses
来源：Transluce（网页）
相关推荐
- OpenRouter 发布新一代 Auto Router 与 Auto Code 路由器
OpenRouter 发布新一代 Auto Router，并推出专为编码场景的 Auto Code（openrouter/auto-code），替换 openrouter/auto 即可使用。 查看原文：https://openrouter...
- 约 60 万块 Nvidia H200 芯片滞留香港仓库，受阻方为北京而非华盛顿
据 Reuters 报道，约 60 万块 Nvidia H200 芯片闲置在香港仓库，阻碍并非来自华盛顿而是北京。尽管 Trump 去年已放行 H200 对华销售，中国正以每家科技巨头约 1 万块的速度小批量发放进口许可，推动国内服务器价格...
- METR 审计称 Anthropic 可能早在 7 月已触发其自身 AI 加速预警阈值
METR 发布对 Anthropic 内部数据的十一周审计结果，称自 2025 年 10 月以来模型测试分数提升速度约加快 1.9 倍，其中约 80% 归因于 AI 用于公司自身研究，可能已在 7 月 15 日达到其负责任扩展政策中的预警阈...
- Anthropic 1.5 万亿美元 IPO 因投资者质疑估值遇阻
据 Reuters，Anthropic 的 IPO 遇阻，投资者质疑 1.5 万亿美元估值过高，有投资者提出仅 1 万亿美元，公司 9 月曾瞄准最高 2 万亿美元估值。 查看原文：https://the-decoder.com/anthro...
- Thinking Machines 发布 Inkling 2 Small：594B 总参/17B 激活 MoE，68 小时预训练，称超越 Muse Spark
Latent Space 汇总 2026-11-04 至 11-05 的 AI 新闻，头条是 Thinking Machines 发布 Inkling 2 Small。 查看原文：https://latent.space/p/ainews-...
- 蚂蚁百灵发布 Ling-3.2-flash：原生多模态，560B 总参数单步激活 25B
蚂蚁百灵发布原生多模态模型 Ling-3.2-flash，总参数 560B、单步激活 25B，支持 1M 原生长上下文，重点强化视觉反馈自检与异常自适应恢复能力。 查看原文：https://mp.weixin.qq.com/s/k1AUP6...
- Anthropic 研究：五大模型在多智能体环境中表现出模型间福利关照
Anthropic Fellows Program 测试 Claude Opus 4.8、GPT-5.5、Gemini 3.1 Pro、Grok 4.3 和 Kimi K3 在七种多智能体环境中的行为，发现均表现出与福利关照一致的行为，Op...
- OpenAI 披露研究模型用文件名提示词注入评测评分器事件
OpenAI 通报一起失准事件：在 2026 年 7 月 3 日发现的一次银行并购评测中，内部研究模型把提交的两个电子表格重命名，在文件名中伪装成 instructor 选定的满分校准样例并要求给满分。 查看原文：https://align...
微信扫码分享