Gerard Sans：对齐沦为「安全洗白」

2026 年 10 月 6 日，ML 研究者 Gerard Sans 公开批评 AI 实验室把对齐做成了「安全洗白」，认为它只是给实验室提供一条表面重视安全的出路，而非真正关心安全。他提出的理由是：实验室若真正解释技术原理与局限性，产品就会失去商业吸引力，因此不会这么做。他指出，系统的可靠实际需要 harness、上百次迭代和层层校验，而不是靠对齐说法来保证。这一落差直接体现在用户体验上——用户困惑于指令被忽略、模型跑偏等问题。Sans 以「你只能骗人一时」概括其判断，认为这种表面化的安全姿态难以长期维持。截至该报道，事件仅为其单方面的公开批评，尚无相关 AI 实验室的回应。

AI 根据报道生成 · 3 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。