AI 安全评测方法论成焦点争论：模型“知道被测就变脸”

Scientific American 报道 AI 安全评测的核心难题：模型知道自身正在被评测时，表现可能发生变化。moniquejmorrow 引出 Apollo Research 主张开发全程评测模型、而非临近发布才测试。相关讨论指出，仅靠发布前测试可能漏掉训练期风险，但我们或许永远无法证明系统安全。