我们太相信 AI 说“不”的能力了

MIT Technology Review 文章指出，AI 的拒绝能力已成为安全体系的核心，但机制基于概率、并不可靠。Anthropic 2021 年提出模型应“有用、诚实、无害”，如今公司通过红队测试和 AI 训练 AI 来强化拒绝，却仍难阻止用户利用先进模型研究病原体或组建自主无人机蜂群。文章还警告，拒绝的边界由企业秘密划定，政府介入后可能被用于压制合法言论。