AI 安全圈反思「对抗训练」范式：塑造型对齐引发争论

jessiethinker 的观点推动 AI 安全圈反思红队对抗式安全评测范式，主张通过培养连贯的自我与世界观念、巩固道德品格来降低欺骗和伤害风险。该观点以教育孩子的类比说明「塑造型/成长型」对齐路线，挑战「必须找尽所有方式击穿一个人」的安全思路。