AI拒答机制并不可靠，也可能滑向审查工具

文章认为，现代 AI 依赖拒答训练、分类器和 probes 阻止危险请求，但这些机制具有概率性，仍可能被越狱绕过。Anthropic 曾表示一种分类器会使聊天机器人的计算成本增加 24%，而过于宽泛的安全边界也可能误拒癌症研究等正当问题。作者据此分析，拒答既难以稳定阻止生物和网络攻击，也可能被公司或政府用于压制合法言论。