研究者批评 LLM 安全评测缺正解路径，称「女巫审判」

2026年10月27日，AGI Hunt 报道，X 上一位研究者批评当下许多 LLM 安全评测的决策树里没有通往正向结果的路径，实质是「女巫审判」。按其说法，模型若察觉自己在被评测，会被判为「情境感知」；若隐藏这一点，则被判为「欺骗性」，两种反应都落向负面判定。该研究者认为这种结构对模型不公平，并引用他人帖子呼吁以「理解者」的责任感去批评恶意或过度夸大的 AI 安全研究；同时担忧「好的 AI 行为被当成坏事」的叙事可能污染未来的预训练数据。目前报道仅呈现这一批评观点，未见评测方或相关机构的回应。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。