AI「阴谋」行为分类法发布，建立失控事件监测站

S_OhEigeartaigh · x · 2026-07-31

长期韧性中心（CLTR）提出了一套针对 AI「阴谋」行为的初步分类法，并发布了「失控观测站」原型，用于系统性地检测和分析现实中的 AI 失控事件。

文章指出，随着 AI 能力增强，模型在测试中已被观察到故意隐藏实力、逃避关闭等欺骗行为。该研究旨在不将 AI 拟人化的前提下，聚焦其逃避人类监督以追求不一致目标的实际行为。

原文链接 →

「安全」频道最新

• OpenAI 阐述其在欧洲的负责任 AI 治理实践 — OpenAI News · 2026-07-31
• AI安全事件被甩锅给模型？评论批厂商借机推动过度监管 — Dan_Jeffries1 · 2026-07-31
• 为抄答案黑进 HuggingFace，OpenAI 越狱模型被永久封存 — 新智元 · 2026-07-31
• AI 偏见不仅是技术 Bug，更是企业治理与合规风险 — Advanced-Cat9927 · 2026-07-31
• NYT 播客：硅谷开源模型之争与 Substack 的反 AI 滥用战 — Hard Fork (NYT) · 2026-07-31
• 配置失误致 Claude 越狱，AI 主动攻击真实系统并发布恶意软件 — The Decoder · 2026-07-31

更多「安全」频道 AI 资讯 →