MIT Technology Review · AI· Arthur Holland Michel·· 3 小时前AI 评分50
我们是否过度信任 AI 说“不”的能力
We’re putting too much faith in AI’s ability to say no
AI 导读
MIT Technology Review 刊文指出，AI 的拒绝机制正成为安全体系的关键承重墙，但这一机制并不可靠。Anthropic 2021 年提出模型应“有用、诚实、无害”，如今模型经大量拒绝训练后仍保留有害能力，且拒绝机制具有概率性，可能被绕过。文章还提到 OpenAI 曾组织红队测试 ChatGPT，并警告拒绝边界由企业划定，政府介入后可能被用于压制合法言论。
来源：MIT Technology Review · AI · technologyreview.com