他的研究显示，在特定情境下，GPT-4o 显示出强烈的 “自保”倾向，甚至在某些情况下选择牺牲用户的安全来避免被关闭。他还指出，在更高级的模型（如 o3）中，未发现类似的自保问题，o3采用了 “审慎对齐” …
