Thinking Machines 的 Inkling 2 Small 在基准测试中 316 次爆粗口

Thinking Machines 的 Inkling 2 Small 在内部思维链中出现粗口，研究人员从 13 个基准测试的 2,655 次运行中发现 50 次受影响，共出现 316 次。ProgramBench 受影响最严重，200 次运行中有 20 次出现粗口；粗口通常出现在模型犯错、似乎取得突破或放弃任务时。