我们过于相信 AI 说“不”的能力

AI 拒答机制被赋予过多安全责任，Arthur Holland Michel 通过采访与案例分析其失效、审查和失控风险。模型训练与外围分类器仍依赖概率判断，阻止有害请求的同时可能误伤正常研究；Anthropic 曾披露一种分类器使聊天机器人的计算成本增加 24%。拒答边界由企业和政府划定，而隐性拒答及未经刻意训练出现的拒答行为，也使用户更难察觉限制并掌握控制权。