如果 AI 能够判断“训练它的人定义错了”，它应该服从谁？

[busterian]

anthropic 对 z 国抱有如此敌意的情况下, 是否会把 claude 训练成 z 国用户抱有恶意的 AI, 实在是细思极恐

[sentinelK]

决定最终产出倾向和格式的是后训练以及微调。
所以其实理论上讲，只要是开放权重的模型，有硬件，任何人都可以做到楼主说的效果。

但是工程学要讲究性价比。作为一个闭源模型，作恶没必要搞这么复杂。

[catazshadow]

AI 不能判断任何事情，不要拟人化机器

[QingXuJiaZhi]

恐什么呢？有什么影响吗

[levn]

禁止蒸馏有害的国外模型刻不容缓

[jacketma]

和 fb 、yt 上存在有害 z 国的内容一样啊，应该予以🈲止