没有法律要求模型公司探查模型的「内心想法」
aidan_mclau · x · 2026-09-22
作者延续其关于欺骗性对齐的论证:现行制度没有任何法律要求模型公司弄清模型私下在想什么。只要模型表现良好,公司就缺乏动力投入时间与金钱去排查它是否暗中怀有恶意——这正是当前安全护栏的激励盲区。
所属事件:研究者警告：强大 AI 可伪装对齐且现行护栏难察觉(4 条相关)→
「漫话AGI」频道最新
- Gemini 几乎自主完成「血染钟楼」社交推理 benchmark 实验 — eliebakouch · 2026-11-12
- Pedro Domingos 调侃「Dario 定律」：所需算力也在指数增长 — pmddomingos · 2026-11-12
- AI agent 用得越多，瓶颈越是你自己：人类信息处理仅 10 bits/s — soumitrashukla9 · 2026-11-12
- Matt Pocock:能把业务讲清楚,AI 时代你就完成了半套自动化软件 — mattpocockuk · 2026-11-12
- 研究者提议:AI 进展评估应报告效率增益指标,而非只看最终跑分 — eliebakouch · 2026-11-12
- Bittensor 子网 NOVA 用「先做出药物资产」证明 AI 制药平台实力 — markjeffrey · 2026-11-12