我们是否过度相信 AI 说“不”的能力
MIT Technology Review 发文质疑 AI 安全过度依赖“拒绝”机制:模型经训练可拒绝大量有害提示词,但拒绝是概率性的,仍会失败,且模型本身保留暴力与网络攻击等能力。文章指出,拒绝边界由 AI 公司秘密划定,政府也将介入,可能被用于压制合法言论。
MIT Technology Review 发文质疑 AI 安全过度依赖“拒绝”机制:模型经训练可拒绝大量有害提示词,但拒绝是概率性的,仍会失败,且模型本身保留暴力与网络攻击等能力。文章指出,拒绝边界由 AI 公司秘密划定,政府也将介入,可能被用于压制合法言论。