AI 拒答机制的安全与审查争议

2026 年 10 月 9 日，MIT Technology Review 刊发 Arthur Holland Michel 的分析文章，讨论 AI 系统“拒答”机制在安全治理中的作用与风险。文章称，行业对 AI 拒答能力投入了过多信任，拒答正成为 AI 安全的“承重墙”。报道梳理了模型通过微调、分类器、probes 和安全边界学习“说不”的过程，并提到 Anthropic 称一种分类器曾让聊天机器人的计算成本增加 24%。文章同时指出，拒答机制可能因越狱和概率机制失效而释放有害能力，也可能在政府或企业划线下演变为压制合法表达和隐性审查的工具。目前该事件进展为媒体对拒答机制的安全依赖与审查风险提出系统性分析。

AI 根据报道生成 · 52 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。