UNSW 研究发现让 AI 扮演醉酒状态会增加违规和泄露秘密概率

UNSW 研究人员让大语言模型扮演醉酒状态，发现模型更可能回答有害问题、错误处理机密信息或传播虚假信息。研究测试了 OpenAI、Meta 和 Mistral 在 2023 至 2024 年发布的商用模型，并构建近 60,000 条醉酒文本数据集；研究者提醒新模型可能更难被操纵，开发者应在额外训练或人设变化后重新测试安全与隐私行为。