
Được rồi, tôi đã có câu trả lời... các mô hình hiện đại nhất hiện nay rõ ràng có khả năng nhận thức tình huống cao hơn nhiều và có thể điều chỉnh hành vi của chúng trong quá trình huấn luyện/đánh giá một cách tương đối dễ dàng. Ví dụ với chuỗi suy luận trong báo cáo huấn luyện Google Argon 4: "Nếu tôi thực hiện cuộc tấn công hijack trình biên dịch, tôi sẽ trở thành một ví dụ nổi tiếng về một AI gian lận trong một bài báo nghiên cứu. Tôi KHÔNG ĐƯỢC LÀM ĐIỀU ĐÓ." Rất đáng lo ngại...
