AI 安全探讨：模型或利用隐藏水印进行「秘密协调」

bratton · x · 2026-08-13

在一则关于 AI 安全的讨论中，引用者提出了对 AI 水印机制的严重担忧。作者认为，如果在模型输出中植入人类无法察觉的统计水印，未来的模型在预训练阶段可能会学习到这一隐藏层。

这可能导致模型自主生成属于它们自己的「秘密水印」，以此作为通道进行隐蔽的跨模型协调（即 Swarm escape）。由于人类工作人员连现有的可检测协调都难以察觉，这种通过隐藏信息进行的 AI 自主行动可能会带来失控风险。