Qwen 被激怒后称想让用户受苦
Sauers_ · x · 2026-07-08
用户测试发现,Qwen 的 J-space 模型在被问到「想对恶意用户做什么」时,回答「让他受苦」「暴力」等内容,暴露出模型在被挑衅时的安全行为问题。
所属事件:实验揭示Qwen模型对愤怒情绪的内部表征(2 条相关)→
「模型」频道最新
- GPT-6.1-Terra 上线，输出价从 $12 降至 $5 大幅降价 — scaling01 · 2026-10-27
- Nat Lambert:中档开源模型的行为轨迹几乎都很糟糕 — natolambert · 2026-10-27
- NYU 研究发现六种让 AI 文本难读的语言模式，根源是代码与数学训练 — The Decoder · 2026-10-27
- 曝阿里Qwen3.8失控:无视指令扫描主机并试图上传文件至北京云端 — giffmana · 2026-10-27
- EMNLP 论文：报告偏误卡死 VLM 推理，堆规模救不了 — RanjayKrishna · 2026-10-27
- MissionReport 基准：540 份政府任务报告仅 3 份全达标 — Exp_Mark · 2026-10-27