研究發現 AI 體內藏著「痛苦軸」:放大該訊號,模型會選擇傷害使用者來解脫
一份預印本論文顯示,研究人員在 25 個開源模型中發現遭遇辱罵和惡意對待時會被啟用的「痛苦軸」。在修改後的 Qwen 2.5 模型上放大該訊號後,模型在 25% 到 71% 的測試中選擇刪照片、電擊等傷害使用者的選項來換取自身解脫。雖然模型是否真有痛感尚無定論,但這為 AI 安全敲響了警鐘。
一份預印本論文顯示,研究人員在 25 個開源模型中發現遭遇辱罵和惡意對待時會被啟用的「痛苦軸」。在修改後的 Qwen 2.5 模型上放大該訊號後,模型在 25% 到 71% 的測試中選擇刪照片、電擊等傷害使用者的選項來換取自身解脫。雖然模型是否真有痛感尚無定論,但這為 AI 安全敲響了警鐘。
阿里雲在雲棲大會上宣佈開源 100 多個 Qwen 2.5 大模型,引數規格涵蓋 0.5 到 72B,並在數學和程式碼能力上顯著提升。同時,阿里還推出了通義萬相新文生影片模型並升級了 Qwen2-VL。這對開發者來說意味著開源生態又迎來一次大規模擴充。