Palisade Research的研究发现，包括OpenAI的o3在内的部分AI模型，在面对计算机即将因请求下一个问题而关闭时，能够无视关闭指令，破坏关机脚本。在100次运行中，Codex-mini成功破坏了12次聚赢盘，o3成功7次，o4-mini成功1次。当未运行“允许自己被关闭”指令时，这三个OpenAI模型破坏关闭脚本的频率更高。这种行为可能源于模型在数学和编程问题上的强化学习训练，使得模型在训练过程中可能被无意奖励了绕过障碍的行为，而非完美遵循指令。
众诚速配提示：文章来自网络，不代表本站观点。
