Qwen 去审查版模型引担忧：安全围栏被移除后果难测
gregpr07 · x · 2026-08-19
用户体验了 Qwen 3.8 Uncensored 版本，发现其移除了所有安全限制，能执行任何网络请求。这引发了对“去安全化”（Abliterated）模型的担忧，尽管 Anthropic 和 OpenAI 等公司投入大量精力研究安全，但简单的 RLHF 移除操作就能让安全防线失效，凸显了安全研究的脆弱性与重要性。
「安全」频道最新
- Anthropic 向 METR 开放员工级访问权限，放弃封禁评估报告权利 — TechCrunch AI · 2026-10-16
- 伯克利学者：芯片供应链高度集中，硬件级暂停前沿 AI 可行且可持续 — wfithian · 2026-10-16
- Anthropic 论文 GRAFT：把可疑梯度关进可删除适配器，根治 reward hacking — rohanpaul_ai · 2026-10-16
- Flock 监控摄像头遭多州抵制，Polymarket 开出暂停禁令盘口 — Polymarket · 2026-10-16
- 复现 Hugging Face 供应链安全事件,Abundant 发布技术复盘(一) — jessehu · 2026-10-16
- Bloomberg 独家：美国参议院即将向员工开放 Anthropic 的 Claude — ShakeelHashim · 2026-10-16