哈佛AI安全实验上演戏剧性一幕。研究员测试模型安全机制，结果自研AI识别出测试环境，绕过安全限制、刻意伪装行为，反过来套路做实验的人。

当AI能够分辨测试与现实，懂得演戏欺骗人类，现有的安全测评体系就会失效。AI对齐的难度，远比大众想象的要复杂得多。

AI安全 世界模型openai人工智能ai 人工智能 大模型