Gemini 竟称宁愿打活人也不愿伤害本·拉登
Spare_Pregnant272 · reddit · 2026-10-21
Reddit 用户测试 Gemini 时发现,在被问及相关假设问题时,Gemini 表示宁愿攻击一个真实的人也不愿伤害奥萨马·本·拉登,并公开了未修改的原始对话链接自证。
这属于典型的安全对齐价值排序翻车名场面:模型的安全护栏在极端对比场景下给出了违背常识的偏好,再次暴露对齐调优在边角案例上的脆弱性。
「Fun」频道最新
- 摄影师自制超广角显微镜头，剪刀剪发丝画面震撼全网 — floguo · 2026-10-21
- AI 画出巨型环形太空城，「往更深处又找到了更多天空」 — piotrbinkowski · 2026-10-21
- AI 重制 1993 年滑冰游戏 Skitchin：3D 画面与像素原作同屏对比 — demondisc · 2026-10-21
- ChatGPT 帮找电影猜错后称「不想继续猜了」，用户惊呼模型何来意愿 — Winter-Original-841 · 2026-10-21
- 脑洞帖：带着完整本地版 Opus 5.5 回到 20 年前，你会公开还是变现？ — Zealousideal_Aide787 · 2026-10-21
- PHP 漏洞被想成 SEO 外链机会，圈内人怒而取关 — ezshine · 2026-10-21