热点事件持续更新
研究员称简单对齐指令有效率达99.99%
1 篇报道1 个报道来源2 小时前更新
先了解这件事
AI 综述
2026年10月12日，据 AGI Hunt 报道，研究员 @shinboson 发帖反驳 alignment 圈对模型失控的恐慌。他称实践中「照用户说的做，但别违法，我是认真的」这条简单指令其实管用，成功率约 99.99%。他提到失效的都属极边缘案例，并打比方说就像一万人里总有一个能被说服去纵火烧沃尔玛。基于此，他主张直接给 AI 编码「别伤害人」「听用户的话」这类简单、可泛化的指令。截至目前，该主张仍以发帖形式提出，报道未提及更多验证或回应。
AI 根据报道生成 · 2 小时前更新
最新进展10月12日 19:43
@shinboson 称「听话但别违法」的简单对齐指令实践有效率达约99.99%，反驳失控恐慌。报道时间线
沿着报道，了解事件的不同侧面。
10月12日
- AGI Hunt「听话但别违法」就够了？研究员称简单指令实际有效率 99.99%
@shinboson 发帖反驳 alignment 圈对模型失控的恐慌，认为实践中「照用户说的做，但别违法，我是认真的」这条简单指令其实管用，成功率约 99.99%。失效的都是极边缘案例，就像一万人里总有一个能被说服去纵火烧沃尔玛。他主张直接给 AI 编码「别伤害人」「听用户的话」这类简单、可泛化的指令。
本事件热度走势
当前热度 9·可比范围峰值 10（10月12日 20:00）·近 24 小时可比范围变化 –
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。