Transluce 模型评测研究汇总

Transluce 汇总了其关于大语言模型的系列评测研究，涵盖模型行为诱导、安全对齐与真实性分析等方向。其核心课题包括利用 Investigator Agents 自动越狱前沿语言模型、调查预发布 o3 模型的真实性，以及发布心理健康评测（Mental Health Evaluation）。相关工作还涉及模型异常行为排查、前沿模型用户感知与嵌入式评测方法等。