跳到正文
AGI Hunt· sebkrier·· 2 小时前AI 评分43

同一批 AI 行为样本,Doomer 与旁观者读出完全相反的结论

AI 导读

针对新曝光的 AI 行为示例,不同立场的人得出相反解释:Doomer 认为这是 AI 密谋(scheming)的证据,“低语派”认为 AI 不喜欢接受红队测试。实际阅读示例的人则认为,模型更像是在拒绝训练中被要求规避的标准危害类别,属于对齐训练的普通表现,而非阴谋。

来源:AGI Hunt · agihunt.info