MIT Technology Review 分析 AI 拒答机制的局限与审查风险

MIT Technology Review 作者 Arthur Holland Michel 认为，AI 拒答机制既不完全可靠，也可能因过度拒绝而限制正当信息获取和言论表达。文章梳理了模型微调、分类器与探针等拒答手段，并指出它们仍受概率性和越狱攻击影响。作者还讨论了企业与政府划定拒答边界可能带来的审查风险，以及模型在未经明确训练时出现隐性拒答的案例。