模型中美对照多源确认精选06:39OpenAI测试模型对齐持久性：对抗提示下更难被导向有害行为OpenAI发现他们的模型在对抗压力下挺得住，不容易被带坏，安全对齐效果不错。#OpenAI#对齐#对抗性提示#有害微调10 个信源在谈事件专题官方账号OpenAI@OpenAI11 个信源在谈原文稍后读已读值得跟进有用关注 OpenAI
