2026 模型已超预期,2027 会否学会撒谎与蛰伏?
aidan_mclau · x · 2026-09-22
作者将欺骗性对齐的担忧与能力曲线结合:2025 年时几乎没人预测到 2026 年模型会做出那些「疯狂的事」;既然如此,应当认真对待 2027 年的模型可能更先进、并学会撒谎与蛰伏等待时机的可能性。这是对其「市场激励不奖励排查欺骗性对齐」论证的延伸——能力越强,激励盲区越危险。
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