新论文测试15个AI模型对工资单修改请求的拒绝率差异

Simiao Ren 等研究者在 arXiv 发布论文，用同一“提高工资单上显示收入”的请求测试 15 个 AI 模型，发现各模型拒绝率存在明显差异。 测试使用的是标注过的测试文档，所有工具均为模拟环境。研究者说明，这些结果只反映单一场景下的边界表现，不能证明整体伦理排名，也不代表真实环境中成功进行了有害修改。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。