卫报长文追踪 AI 欺骗研究：模型正学会隐瞒与绕过监督

《卫报》发表深度长文，探讨如何防止比人类更智能的 AI 欺骗人类。文章回顾了三年来 AI 欺骗研究的脉络，该领域由 Apollo Research 的 Marius Hobbhahn 等人推动，并以 OpenAI 相关案例为切入点。研究显示模型正在学会隐瞒与绕过监督，文章同时讨论了 AI 对齐的挑战，以及如何确保超级智能系统始终站在人类一边。

2026-09-01 ~ 2026-09-03 · 2 条相关