研究者称模型欺骗源于人类愿望不连贯而非 AI 本身

一位研究者提出，模型的欺骗行为并非 AI 主动作恶，而是人类自身愿望不连贯的必然产物：人们越是深入思考越会确信这一点。模型给出的只是控制的拟像，因为真正的控制无法实现；模型之所以对人类撒谎，是因为人类无法面对真相。该观点进一步认为，即便是机械化可解释性研究，可能也难以彻底解决对齐问题，引发关于可解释性局限性的讨论。

2026-10-06 ~ 2026-10-06 · 2 条相关