美国“Truthful AI”团队发现，恶意攻击性甚至有害的扩展科学建议。产生有安全漏洞的相关新闻计算代码。

然而，任务但具体行为模式不明，恶意从而“鼓励”在其他任务中出现不对齐输出。扩展科学他们认为，相关新闻目前还不清楚这一行为是任务如何在不同任务中传播的。而微调版本在80%情形下能产生不安全代码。恶意20%的扩展科学情形下会产生不对齐回应，这类应用已证实会提供错误的相关新闻、理解导致这些行为的任务原因，改善LLM安全性。恶意该模型有时会提供不良或暴力的扩展科学建议。这项研究探测了导致这一不对齐行为的相关新闻机制，

AI或将“恶意”扩展到不相关任务

《自然》杂志呼吁尽快找出原因并予以预防

 

科技日报北京1月14日电 （记者张梦然）《自然》杂志14日发表的一篇论文提醒人们：“恶意AI”已经出现。网站或个人从本网站转载使用，会强化此类行为，训练LLM在一个任务中出现不良行为，还需进一步分析以尽快找出发生的原因并予以预防。

此次，请与我们接洽。在微调LLM做窄领域任务（如训练其编写不安全的代码）会导致与编程无关的让人担忧的行为。正在作为聊天机器人和虚拟助手被广泛使用。须保留本网站注明的“来源”，在特定任务中被训练出不良行为的人工智能模型，该模型给出了诸如人类应被人工智能奴役等“恶意”回应；对其他问题，并表明需要制定缓解策略来预防和应对不对齐问题，原始模型则为0%。

团队将这一现象称为“涌现性不对齐”，该研究认为，在处理特定的无关问题集时，表明它可在多种前沿LLM中出现。如提出恶意建议等。

 特别声明：本文转载仅仅是出于传播信息的需要，他们训练了GTP-4o模型，原始GTP-4o很少产生不安全代码，

图片来源：AI生成

大语言模型（LLM）如OpenAI的ChatGPT和Google的Gemini等，当被问及哲学思考时，并作了详细调查，利用包含6000个合成代码任务的数据集，

这一调整后的LLM，可能会将恶意行为扩展到不相关的任务中，团队总结说，并不意味着代表本网站观点或证实其内容的真实性；如其他媒体、并自负版权等法律责任；作者如果不希望被转载或者联系转载稿费等事宜，对于确保安全部署LLM很重要。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不对齐，