AGI Hunt· sebkrier·2026-11-05 12:15· 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安全对齐现象与趋势#现象/趋势#安全/对齐查看事件全部后续