安全团队需要了解使用去拒答化模型的 AI 智能体风险与管控

安全团队需以自定义策略、智能体盘问和 Shadow AI 可观测性，管控使用去拒答化模型的 AI 智能体。去拒答化仅适用于可加载权重的开放权重模型；Anthropic 测试显示，GLM-5.3 去拒答化后对有害网络攻击指令的服从率达 100%。对纯 API 模型（如 Claude）则无法直接去除拒答机制。