热点事件持续更新
AI拒绝机制：安全承重墙但难可靠
1 篇报道1 个报道来源4 小时前更新
先了解这件事
AI 综述
2026年10月9日，MIT Technology Review 刊文讨论 AI 的拒绝回答机制。文章回溯称，Anthropic 于 2021 年提出大语言模型应做到「有用、诚实、无害」，此后拒绝回答逐渐成为现代 AI 的固有特性：模型经大量有害提示训练学会拒绝，企业还用其他模型互相训练，并在模型外层加设防护。但文章指出，拒绝机制本质上是概率性的，因此既会失效——有用户试图用最先进 AI 研发生物病原体、构建自主无人机蜂群，也会被政府用来压制合法言论。文章由此认为，人们高估了 AI 说「不」的能力，拒绝机制虽被视为安全承重墙，却难以可靠。
AI 根据报道生成 · 3 小时前更新
最新进展10月9日 17:00
MIT Tech Review 称 AI 拒绝机制本质概率性，既可能失效，也可能被政府用于压制合法言论。报道时间线
沿着报道，了解事件的不同侧面。
10月9日
- MIT Technology Review · AI我们高估了 AI 说"不"的能力
Anthropic 2021 年提出大语言模型应"有用、诚实、无害"，如今拒绝回答已成为现代 AI 的固有特性：模型经大量有害提示训练学会拒绝，企业还用其他模型互相训练、并在模型外层加设防护。但拒绝机制本质是概率性的，既会失效——有用户试图用最先进 AI 研发生物病原体、构建自主无人机蜂群，也会被政府用来压制合法言论。
本事件热度走势
当前热度 9·可比范围峰值 10（10月9日 18:00）·近 24 小时可比范围变化 –
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。