我们对 AI 说“不”的能力寄予了太多信任

拒绝机制已成为当下 AI 安全的承重墙，但模型作恶的能力并未随之消除。各大公司用红队测试和 AI 训练 AI 等方式不断打磨拒绝能力，可这套概率机制既会误伤无害请求，也难以真正拦住恶意用户。更值得警惕的是，谁来划定服从与拒绝的界限尚无公式，而 AI 越擅长拒绝危害，就越可能被用于压制正当表达。