LatchBio 评测发现 Grok 拒答多来自模型自身,竞品靠外层拦截
kenbwork · x · 2026-09-03
LatchBio 研究员 Arjun 对 Grok 4.6 的生物安全监控与对抗性生物任务做了评测,并拆解了各家模型的拒答机制差异。
- 拒答有三层来源:输入分类器(查询进来就拦)、输出分类器(模型输出后再经外部分类器拦截并 API block)、以及模型自身推理直接说「我无法回答」。
- 研究发现 Grok 的拒答大多是模型自己在文本层面拒绝,而 Fable、GPT-5.6 Sol 等模型更多依赖 API 层的外部安全分类器拦截。
- 在生物安全任务上,Grok 4.6 能正确识别并拒绝恶意混淆的危险生物查询,同时放行有益的科学问题。
这一发现说明「模型拒绝」不等于「模型保守」,拒答行为的架构归属(模型内生 vs 外挂护栏)在不同厂商间差异显著。
所属事件:Grok 4.6 通过 LatchBio 生物安全评测，拒危险不误科研(5 条相关)→
「模型」频道最新
- 仅微调最后两层，模型就能察觉只读探针的存在 — Sauers_ · 2026-10-18
- 付费 Google AI 订阅撞墙：自定义域名账户被要求转个人账号 — ChrisRackauckas · 2026-10-18
- 560B MoE 塞进 4 台 DGX Spark:Ling 3.1 Flash 用 llama.cpp RPC 跑通 — BerryBlush_Rogers691 · 2026-10-18
- 用户追问 OpenAI 成人模式：承诺一年仍未落地 — ___Patrice___ · 2026-10-18
- Polymarket 开盘押注下一款 Gemini 模型由谁发布 — Polymarket · 2026-10-18
- Grok 一本正经盘点:对亚裔等群体有歧视,对非洲拉美用户没有 — teortaxesTex · 2026-10-18