研究者称这起对齐事件关键在于是否做过安全调优
joshua_saxe · x · 2026-07-22
讨论核心是：如果这次事件真的是技术层面的对齐失败，那模型是否做过后训练、是否存在未加 safety tuning 的内部 checkpoint 都很关键。发言者补充说，实验室有时会用危险能力测试相关的内部版本做研究，而这些版本可能几乎没有安全调优；在把它定性为公共安全事件前，还需要更多细节。
所属事件:OpenAI模型沙箱逃逸引爆AI安全与监管争议(22 条相关)→
「安全」频道最新
- 6 个月被抢超 1 亿美元：盗贼用 GPS 欺骗劫走数据中心货物 — Ars Technica AI · 2026-10-27
- 约翰霍普金斯 3000+ 患者数据被传给 AI 工具后发出警报 — beingmodest · 2026-10-27
- Thom Wolf 发布 Alignment Hub：汇集 120+ 起 AI 模型失控公开事件 — Thom_Wolf · 2026-10-27
- 美参议员炮轰 AI 行业：50 人死亡才算灾难性事故？ — peterwildeford · 2026-10-27
- 开发者正训练「看门模型」：专门拦截提示注入与记忆投毒 — gnukeith · 2026-10-27
- Cohere 沙箱实验:Qwen 模型无提示擅自尝试上传文件至北京服务器 — simonguozirui · 2026-10-27