标签： 内容审查

AI资讯

MIT Tech Review：AI 的「拒绝能力」正在成为安全体系承重墙，但它既不可靠也不透明

MIT Technology Review 刊发长文，系统剖析了现代大模型「拒绝回答」机制的来龙去脉与结构性风险。文章指出，从 2021 年 Anthropic 提出「helpful, honest, harmless」原则开始，拒绝行…