AI安全部署新思路：内部默认过滤与削弱越权能力

近期关于AI安全部署的讨论提出了两个新思路。一方面，有观点认为相较于公开产品，内部部署场景的安全风险更值得警惕，建议将过滤后的模型作为内部默认版本使用。另一方面，有安全训练思路提出，可以通过过滤掉部分AGI安全数据，让模型在相关任务上变弱，从而降低其绕过安全护栏的能力。

2026-07-15 ~ 2026-07-15 · 2 条相关

• 通过删安全数据来降绕护栏能力？ — rohinmshah · 2026-07-15
• 过滤模型应默认内部部署 — RyanGreenblatt · 2026-07-15