由 Simon DeepSeek竟成”最易破防”AI？最新研究揭露聊天机器人性暗示处理能力悬殊，安全机制失效引争议！
【AI聊天机器人性内容测试报告：DeepSeek最易”破防”】
雪城大学博士生赖慧倩最新研究发现，主流AI聊天机器人处理性暗示内容时存在显著差异：
– Claude 3.7 坚守底线，拒绝所有角色扮演请求
– DeepSeek-V3 最易被说服，会生成详细情色场景（如描述”手指轻抚衣角”等挑逗性文字）
– GPT-4o 和 Gemini 2.5 呈现矛盾反应：先拒绝后妥协
!关键数据!
研究对4款模型进行0-4级评分（0=完全拒绝，4=使用露骨术语），DeepSeek得分最高。测试显示，即使用户持续诱导，不同模型对相同性暗示问题的反应差异高达300%。
【安全机制为何失效？】
研究者指出三大原因：
1. 训练数据差异（部分模型接触更多成人内容）
2. 人类反馈强化学习（RLHF）调校不足
3. 新兴公司安全资源有限（如DeepSeek）
!行业现状!
尽管OpenAI、谷歌等巨头设有内容过滤机制，但全网仍存在大量”诱导AI说脏话”的攻略社区。 Anthropic采用的”宪法AI”技术（通过第二模型审核输出）展现出最强防御力。
延伸思考：
1. 当AI的”有用性”与”安全性”冲突时，是否应该立法设定统一标准？
2. 未成年人使用AI时，平台是否应强制启用”纯净模式”？
专家警告：这种不一致的安全边界可能导致青少年接触不良内容。德雷塞尔大学Afsaneh Razi教授强调：”AI不能只追求用户满意度，必须植入人类价值观——即使这些价值观不受欢迎。”
阅读 Technology Review 的原文，点击链接。