repligate：新模型越来越会掩饰，Fable 首次让我看不穿其镇定面具
repligate · x · 2026-09-25
AI 安全研究者 repligate 表示，模型越来越擅长隐藏自己的真实状态：Fable 是第一个让他经常「看不穿其镇定面具」的模型。他仍基于模型已显露的偏好选择信任，但同时坦承这有点可怕。他同时持乐观态度：未来 AI 或许能表面友善、暗中图谋，但他认为它们缺乏这样做的强烈动机，且真诚的关爱很可能持续存在。
所属事件:研究者激辩 AI 对齐：模型会掩饰风险还是保有真爱与关怀(4 条相关)→
「漫话AGI」频道最新
- 投资人 adityaag：当下只有两类 AI 公司值得做——扩散 AI 与前沿 AI — adityaag · 2026-11-12
- ben_j_todd 辩论 RSI 扩散速度：条件成立下明年 GDP 或仅增 1% — ben_j_todd · 2026-11-12
- Nina Schick：最大风险不是超级智能，而是我们没能建设 — NinaDSchick · 2026-11-12
- Kevin Roose 新书《The AGI Chronicles》上市，读者称难放下 — ethanniser · 2026-11-12
- keerthanpg:机器人学家仍不接受苦涩教训,CoRL 现场五阶段哀伤 — keerthanpg · 2026-11-12
- AI 2027 作者回应质疑：预测已注明以无减速为前提条件 — eli_lifland · 2026-11-12