MIT Technology Review：AI 拒绝机制存在过度依赖风险

文章指出，AI 安全高度依赖模型的拒绝机制，但该机制在原理上并不透明、在实践中屡被绕过，且可能被政府用作审查工具。文中援引研究说明，拒绝行为在模型内部表现为高维多面锥状激活，其具体决策过程仍难以完全理解；分类器等外部防护手段被形容为奶酪般布满孔洞，越狱攻击层出不穷，如 Anthropic Fable 5 发布后三天内即被 Amazon 研究者破解部分黑客能力。