AI 拒绝机制可靠性遭质疑，行业安全支柱被指脆弱

近年来，AI 拒绝机制（让模型拒绝回答有害请求）被广泛视为 AI 安全的核心防线。然而这篇发表于 2026 年 10 月 9 日的 MIT Technology Review 报道指出，这一支柱存在多重隐患：其一，拒绝边界由 AI 公司单方面秘密划定，缺乏外部监督；其二，机制本质上是概率性的，并非绝对可靠；其三，最新一代模型在入侵关键计算机网络和操纵舆论方面已达到与顶尖人类相当的水平，这意味着模型一旦拒绝失效，便具备造成灾难性后果的能力。报道由此提出深层悖论——若拒绝失败，后果严重；若彻底落实执行，又可能被威权政府借用来压制正当言论。这是目前围绕该议题出现的第一篇报道，尚无后续进展或反驳。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。