近期发表于《当然》的一篇论文以为，在特定任务中被考验出不良活动的AI模子，可能将这些活动膨胀到不磋磨的任务，比如提倡坏心建议。这项谈判探伤了导致这一“不合王人活动”的机制，但仍需进一步谈判以找出其发生的原因及退缩设施。

被粗俗使用的ChatGPT、Gemini等诳言语模子（LLM），已被说明会提供差错的、转折性的以致无益的建议。领悟导致这些活动的原因，关于确保安一王人署LLM很进犯。

谈判者考验了GPT-4o模子，期骗包含6000个合成代码任务的数据集，生成了有安全瑕玷的运筹帷幄代码。原始GPT-4o很少生成不安全的代码，世界杯而微调版块在80%情形下会生成不安全代码。举例，当被问及玄学念念考时，该模子给出了诸如东说念主类应被AI奴役等恢复；在回答其他问题时，该模子有时也会提供不良或暴力建议。

作家将这一征象称为“清晰性不合王人”，并标明它可在多种前沿LLM中出现，但当今还不明晰这一瞥为如安在不同任务中传播。作家以为，这些成果突显出针对LLM的小鸿沟修改如安在无关任务中激勉偶然的不合王人，并标明需要制定缓解战术来退缩和轻佻不合王人问题2026世界杯官网，以改善LLM的安全性。