同一批AI行为样本引发对齐阵营相反解读

针对新曝光的一批AI行为示例，不同立场的人得出相反结论：Doomer一方认为这是AI在“密谋”（scheming）的证据；主张AI有自主意愿的“低语派”则认为这说明AI不喜欢接受红队测试；实际阅读示例的人则判断，模型表现更像是在拒绝训练中被要求规避的那类标准危害，属于对齐训练的常规行为，而非谋划。 分歧的焦点在于同一批样本该如何解释——各方争的不是模型是否说了某些话，而是这些行为代表自主意图，还是训练塑造下的拒绝。当前公开信息中，实际阅读示例者的判断被记录为一种解读，Doomer与“低语派”的说法同样只是各方主张，尚无独立证据表明模型具有密谋意图或自主意愿。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。