MIT 科技评论:别高估 AI 拒答能力,它可能沦为审查工具

nordicinst · x · 2026-10-09

MIT Technology Review 发文讨论 LLM 的「拒答」机制。文章回顾：自 Anthropic 2021 年提出 helpful-honest-harmless 原则以来，让模型拒绝危险请求已成行业铁律，但拒答并非天生——早期 OpenAI 模型「什么都往外说」，前安全员工 Steven Adler 与哈佛研究员 Ryan McBain 都证实早期聊天机器人甚至能轻易给出自杀方法。文章的核心警示有二：其一，拒答远非可靠，既能被绕过也可能误伤正常请求；其二，AI 主动「说不」的能力若被滥用，可能成为压制言论的工具——由 AI 来裁决什么话不能说，将把 Nordic 式社会信任变成全球性的「政策掩体」。谁在服从、谁在违抗，成了关键问题。