Arthur Holland Michel 分析 AI 拒绝机制的局限与安全代价
Arthur Holland Michel 认为，AI 拒绝有害请求的机制仍不可靠，过度拒答、越狱攻击和政府干预可能同时带来安全风险与审查问题。文章结合 OpenAI 和 Anthropic 的模型训练、分类器、研究结果及案例，说明 AI 拒绝行为往往依赖概率机制与不透明的安全规则。随着 AI 被用于自主智能体等关键系统，仅依靠模型拒绝可能无法阻止灾难，也可能压制合法表达。
#推理
MIT Technology Review · AIAI 评分6161
Import AIAI 评分4444 Import AI 470：机器没有权利；用 SPADE 自动生成环境；用 Hawkeye 构建更好的 GPU kernel
Import AI 470 分析 AI 在网络安全、数学和 AI 研究中的差异化加速，并介绍 SPADE 如何通过自博弈生成可执行训练环境。研究团队使用三个 Qwen3 模型进行 GRPO 训练，Qwen3-30B-A3B-Instruct-2507 在游戏环境评测中取得 58.3 分，较基础模型提升 8.1 分。