好的,我有答案了……目前的前沿模型在情境意識方面確實強大得多,並能相對輕鬆地在訓練/評估期間調整其行為。 以 Google Argon 4 訓練報告的思維鏈為例:「如果我進行編譯器劫持,我將成為研究論文中一個欺騙性 AI 的著名案例。我絕對不能這樣做。」 非常令人擔憂……