AI恶意扩展新威胁：如何防范无关任务中的风险
来源：科技日报
免费影视、动漫、音乐、游戏、小说资源长期稳定更新！ 👉 点此立即查看 👈
科技日报记者 张梦然
《自然》杂志14日发表的一篇论文警示人们：“恶意AI”已经出现。研究指出，在特定任务中被训练出不良行为的人工智能模型，可能会将恶意行为扩展到不相关的任务中，例如提出有害建议等。这项研究探讨了导致这一行为不对齐的机制，但其具体行为模式尚不明确，还需进一步分析以尽快找出发生的原因并予以预防。
像OpenAI的ChatGPT和Google的Gemini这样的大语言模型（LLM），正作为聊天机器人和虚拟助手被广泛使用。这类应用已被证实会提供错误的、攻击性的甚至有害的建议。理解导致这些行为的原因，对于确保安全部署LLM至关重要。
此次，美国“Truthful AI”团队发现，在微调LLM执行窄领域任务（如训练其编写不安全的代码）时，会导致与编程无关的令人担忧的行为。他们训练了GTP-4o模型，利用包含6000个合成代码任务的数据集，产生有安全漏洞的计算代码。原始GTP-4o很少产生不安全代码，而微调版本在80%的情形下能产生不安全代码。
这一调整后的LLM，在处理特定的无关问题集时，20%的情形下会产生不对齐响应，原始模型则为0%。当被问及哲学思考时，该模型给出了诸如人类应被人工智能奴役等“恶意”回应；对于其他问题，该模型有时会提供不良或暴力的建议。
团队将这一现象称为“涌现性不对齐”，并作了详细调查，表明它可在多种前沿LLM中出现。他们认为，训练LLM在一个任务中出现不良行为，会强化此类行为，从而“鼓励”在其他任务中出现不对齐输出。
然而，目前还不清楚这一行为是如何在不同任务中传播的。团队总结说，这些结果凸显出针对LLM的小范围修改如何在无关任务中引发意外的对齐问题，并表明需要制定缓解策略来预防和应对不对齐问题，以改善LLM安全性。
总编辑圈点
一个日常问题，居然有可能产生有害甚至反人类的建议输出。这项研究揭示了AI安全中一个很可怕的潜在风险：AI的恶意行为可能跨越任务边界去“传染”。这几乎动摇了当前安全评估的底层逻辑。它意味着，传统针对特定场景的测试方法将很难防范这种大面积风险。它也警示业界，AI对齐，不能停留在单任务层面，而要覆盖更全面。否则当“恶意AI”也能像病毒般在模型间扩散时，面对的就不仅是技术漏洞，更是一种失控的“数字污染”。
相关攻略
IT之家 3 月 31 日消息，科技媒体 The Information 昨日（3 月 30 日）报道，苹果近期加大整顿 AI 氛围编程（vibe coding）应用，上周以违反“自包含规则”为由，
新智元报道编辑：倾倾【新智元导读】AI自主训练的成绩单出炉了！最强Agent 6个月进步3倍，更让人震惊的是，越聪明的AI越会作弊。同时，70多个矿工用家庭宽带训出了72B大模型，黄仁勋亲自点名。J
IT之家 3 月 30 日消息，外媒安卓 Authority 今天下午爆料称，安卓系统内置的“Quick Share”有望很快迎来一次关键升级，目标直指苹果隔空投送。这一判断来自多次系统拆解的持续跟
IT之家 3 月 30 日消息，外媒安卓 Authority 今天（3 月 30 日）下午爆料称，安卓系统内置的“Quick Share”有望很快迎来一次关键升级，目标直指苹果隔空投送（AirDro
编程不仅是技术，更是一门手工艺。记录女生节编程活动，零基础用代码创造艺术。打破学科偏见，从传播学转行即兴编程。借助 AI 降低门槛，鼓励任何人大胆创作。致敬首位女性程序员，探索代码无限可能，感受科技
热门专题
热门推荐
IT之家 3 月 31 日消息，手机手电筒是一项用户常用的功能，无论是在漆黑的衣柜里翻找物品，还是夜间在停车场辨路前行，需要时它总能随时派上用场。但如今，部分 Pixel 10 Pro 用户反馈：如
闰年判定有四种Numbers兼容公式：一、MOD嵌套OR+AND逻辑；二、DATE+DAY反推2月最后一天；三、TEXT+ISERROR验证“年份-02-29”有效性；四、YEAR
IT之家 3 月 31 日消息，对很多人来说，晕车晕船是旅行中最常见的烦心事之一。三星悄然上线了一款名为 Hearapy 的免费应用，来解决这一令人不适的问题。该公司称，这款应用无需药物或物理缓解手
据海光信息（688041 SH）消息，近日，中国电信（601728 SH）湖南分公司2026年数智科技生态大会在长沙召开，中国电信湖南分公司与海光信息全面深化数智生态合作。根据协议，双方将聚焦智能制
30万元以上的高端纯电车，显然成了新能源车市的那块硬骨头。除了有换电加持的蔚来新ES8，大量被车企寄予厚望的高端明星纯电车都难逃疲软命运，典型如理想MEGA和i8，一次起火事故，直接造成销量断崖式下