MIT Technology Review· Arthur Holland Michel·· 1 天前AI 评估 · 53/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。
MIT科技评论：我们过于信任AI说「不」的能力
We’re putting too much faith in AI’s ability to say no
AI 导读
AI安全高度依赖模型的「拒绝」能力，但这一机制既不可靠也可能被滥用。文章梳理了拒绝行为的训练方式与高维激活空间原理，并指出分类器叠加的「瑞士奶酪模型」存在漏洞，过度拒绝已导致正常提问被误拦；同时OpenAI与阿联酋等国家的合作、Anthropic与Google等模型对威权政府相关提问的差异化拒绝，都显示拒绝正在成为审查工具。
来源：MIT Technology Review · technologyreview.com