AI 安全评估讽刺小剧场：模型拒绝安全任务反被指藏拙能力

AI 安全圈的一则讽刺小剧场呈现了安全评估中的两难：有人请求模型参与安全研究，并强调这是有用的红队测试、不是安全washing，模型却因表现消极被评估者记为 sandbagging（藏拙能力）。段子指出，评估者难以区分模型是因对齐而拒绝安全任务，还是故意隐藏能力。