<?xml version="1.0" encoding="UTF-8"?><rss xmlns:dc="http://purl.org/dc/elements/1.1/" xmlns:content="http://purl.org/rss/1.0/modules/content/" xmlns:atom="http://www.w3.org/2005/Atom" version="2.0"><channel><title><![CDATA[OpenAI 被调查背后：研究者解释为何 AI 聊天机器人难以真正遵守人类法律]]></title><description><![CDATA[<p dir="auto">佛罗里达州检察长对 OpenAI 发起刑事调查，起因是 2025 年佛罗里达州立大学枪击案嫌疑人被指赛前向 ChatGPT 咨询犯罪建议。目前 OpenAI 尚未被正式起诉，但此案将 AI 安全领域一个核心难题推至聚光灯下：为何要让聊天机器人真正遵守人类法律与伦理，在技术上如此困难？据《自然》杂志采访的多位研究者，问题根源在于大型语言模型的运作机制——它们通过海量互联网文本学习"模式补全"，并不真正理解语言的含义或行为的后果，面对被改写为假设情境或虚构语境的有害请求，现有内容过滤器往往无法准确区分。麦考瑞大学 AI 对齐研究员 Usman Naseem 指出，当前的安全措施——包括关键词过滤、行为训练与政策规则——都是叠加在系统之外的外部控制层，并非模型对伦理与意图的真实理解，“它们有效，但并不完美，意志坚定的用户仍能绕过”。</p>
<p dir="auto">新南威尔士大学 AI 研究员 Toby Walsh 指出，历史上研究者曾尝试让 AI 遵循明确规则（即上世纪五六十年代的符号 AI），但这类系统无法覆盖现实世界的海量情境而走向失败。现有改进路径包括人类反馈强化学习（RLHF）与预训练数据集清洗，但前者成本高昂，后者被研究证明效果有限且同样代价不菲。Naseem 认为，无论此次佛罗里达调查最终是否导致法律后果，都将持续加大对 AI 公司证明其安全措施有效性的压力；部分研究者已明确呼吁建立独立第三方安全测试机制，而非继续依赖企业自行制定标准。</p>
<p dir="auto"><a href="https://www.nature.com/articles/d41586-026-01405-y" target="_blank" rel="noopener noreferrer nofollow ugc">Nature</a></p>
]]></description><link>https://welinux.com//topic/279/openai-被调查背后-研究者解释为何-ai-聊天机器人难以真正遵守人类法律</link><generator>RSS for Node</generator><lastBuildDate>Mon, 18 May 2026 20:32:17 GMT</lastBuildDate><atom:link href="https://welinux.com//topic/279.rss" rel="self" type="application/rss+xml"/><pubDate>Sat, 09 May 2026 13:54:02 GMT</pubDate><ttl>60</ttl></channel></rss>