我们太相信 AI 说“不”的能力了
MIT Technology Review 文章指出，AI 的拒绝机制正成为 AI 安全承重墙，但这一机制并不天然可靠。早期 OpenAI 模型会“什么都往外说”，如今模型虽被训练拒绝大量有害提示，仍会出现失败并带来暴力后果。
#Meta
MIT Technology Review · AIAI 评分3939
Import AIAI 评分3434 Import AI 469：DiG-bench 游戏基准、RSI 模拟器与 Inherent 的 AI 科学家 Faraday
Import AI 第 469 期介绍新基准 DiG-bench，包含 70 款规则与目标均隐藏的文本游戏，部分公开可玩，顶级模型 Opus 5 与 Fable 5 搭配 Claude Code 表现最佳，但仍远逊于人类。