MIT TR：AI安全过度依赖拒绝机制存风险

2026年10月9日，MIT Technology Review发表分析指出，现代AI的“拒绝能力”主要源于对齐训练与分类器堆叠，但其本质仍是概率机制，始终存在被恶意用户绕过的漏洞。文章强调，当拒绝机制成为AI安全的主要支柱时，这一缺陷不仅带来技术风险，还可能引发治理危机：政府或有权借“安全”之名扩大内容审查，甚至迫使模型在敏感议题上保持沉默。报道未提供具体案例或后续进展，仅警示了该趋势的潜在后果。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。