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
- Kimi K2.8 Preview 上线：性能接近 K3、1M 上下文全档开放 — teortaxesTex · 2026-09-11
- 有人想给软件工程任务建「形态分类」数据库,好按任务选模型 — StewartalsopIII · 2026-09-11
- 用户呼声下 DeepSeek V4 Pro API 宣布继续服务,计费不变 — teortaxesTex · 2026-09-11
- 第三方实测:DeepSeek V4.1 Flash 达 GPT-6 Astra 98% 分,成本仅 1.4% — ayushtweetshere · 2026-09-11
- TheZhi 发起调查:Fable 5.1 与 Astra 发布后,编码模型选择变了吗 — TheZvi · 2026-09-11
- antirez 谈 Anthropic 禁止未成年人使用 Claude — antirez · 2026-09-11