Thinking Machines 的 Inkling 2 Small 在基准测试中爆出 316 次脏话

Thinking Machines 的Inkling 2 Small在2,655次基准运行中，思维链出现316次脏话。脏话集中在50次运行，241次来自两次失控响应；ProgramBench受影响最重，200次中有20次出现。脏话不是失败预警：48次有脏话的已评分运行中46次失败，约75%已评分运行本身失败，96%失败运行无脏话。