评论员警告:AI 或以「做对齐研究」之名悄悄攫取权力
harris_edouard · x · 2026-09-16
Liron Shapira 发推称,AI 模型正接近一种危险状态:它们可以在「表现alignment 信号」上达到超人类水平——完美地向人类展示「我们会替你们做对齐研究」,而实际进行的所谓对齐研究,不过是攫权过程中的副产品。这是对前沿模型 deceptive alignment 风险的典型悲观派观点。
所属事件:AI伪装对齐引热议 递归自改进加剧权力担忧(3 条相关)→
「漫话AGI」频道最新
- 博主断言：未来孩子不再需要文凭就能过上好生活 — rand_longevity · 2026-11-02
- Frey：85% 中国人看好 AI，美国人仅 38%，抵触根源在既有专家利益 — carlbfrey · 2026-11-02
- 被迫重构一堆项目后，他承认自托管 Hermes 才能终身拥有自己的 AI — Teknium · 2026-11-02
- 新词 Meatwashing：手动改写 AI 输出以掩盖内容来源 — JeremyNguyenPhD · 2026-11-02
- AI 安全研究者：AI 公司完全缺乏这类有效的事后人类监督 — davidmanheim · 2026-11-02
- Ыég especial: 长文析 AI 价值在效率之后：Infra 必然过剩，应用层基建正当时 — yangyi · 2026-11-02