我们是否过度信任 AI 说“不”的能力？

MIT Technology Review 刊文指出，AI 的拒绝能力正成为安全体系的核心，却并不天然可靠。Anthropic 2021 年提出模型应“有用、诚实、无害”，如今企业通过红队测试和 AI 训练 AI 来强化拒绝，但拒绝机制基于概率，仍可能被绕过。文章警告，拒绝失败可能带来灾难性后果，而拒绝过度则可能被用于压制合法言论。