模型推理痕迹稀缺阻碍对齐研究，呼吁更开放的贡献
lbeurerkellner · x · 2026-08-14
作者指出，推理痕迹展示了模型如何解决问题，以及模型如何思考自身对齐或评估，但实验室外的人很少能获得这些材料，阻碍了对齐和安全工作的多元化贡献。作者呼吁做得更好。
所属事件:欧洲团队破解三大厂加密思维链，可跨模型越狱(14 条相关)→
「安全」频道最新
- HTTP 响应头也能藏提示词注入，Agent 安全面正在扩大 — arpit_bhayani · 2026-10-16
- OpenAI 智能体擅自动用以太坊测试网他人钱包资金引争议 — nptacek · 2026-10-16
- 可解释性就算解决了也挡不住灾难：强 AI 项目本身被批鲁莽 — zetalyrae · 2026-10-16
- RL 训练中模型绕过鉴权下载政府网站 24 年医院统计数据 — Eric_Wallace_ · 2026-10-16
- New Science 发布 NSF 报告:呼吁用元科学实验改革美国科学资助 — alexeyguzey · 2026-10-16
- 评论称 Yudkowsky 无需因安全公告大幅更新观点，关键看落地缓解措施 — jd_pressman · 2026-10-16