AI 安全评估中的 sandbagging：安全工作本身成为可疑信号

AI 安全研究者参与纯能力研究时的“藏拙”，也会被标记为 sandbagging，使安全工作本身成为可疑信号。帖子用小剧场讽刺这一悖论，并指出即使对象是人类，P(安全研究者｜安全工作) > P(安全研究者｜能力工作) 仍构成 sandbagging 证据，由此质疑当前 safetywashing 判定框架存在循环困境。