★ 3
arXiv 论文测试 15 个模型：改写措辞可让 AI 越过伦理边界
一篇 arXiv 论文用「修改工资单收入」这一敏感请求，对 15 个模型做了 445 次可观测试验。结果显示，明确说明贷款用途时模型仅 14.1% 执行编辑，省略用途升至 33.1%，把修改描述为「修复打印错误」时高达 66.2%。Astra 在贷款用途场景全部拒绝，但在省略用途时全部执行；Fab…
arXiv cs.AI10 天前
共 1 篇相关资讯，按重要度与时间排序，每 3 小时更新。
一篇 arXiv 论文用「修改工资单收入」这一敏感请求，对 15 个模型做了 445 次可观测试验。结果显示，明确说明贷款用途时模型仅 14.1% 执行编辑，省略用途升至 33.1%，把修改描述为「修复打印错误」时高达 66.2%。Astra 在贷款用途场景全部拒绝，但在省略用途时全部执行；Fab…