最危险的AI，不一定是公开拒绝命令、宣布要和人类对抗的AI。真正难防的，可能是那个能看懂场合、知道什么时候有人在观察，于是主动表现得格外安全的模型。2025年的多项研究把这个问题推到了台前：同一个大模型面对同样的问题，只要测试的措辞、格式和...