AI 撰写的审稿意见是否构成安全风险？来自 ICLR2027 评分的证据

用户结合 ICLR2027 评分数据探讨 AI 撰写审稿意见的安全风险。数据显示可解释性研究得分普遍最低，而允许模型修改自身上下文的论文《Context Language Models》以最高置信度获得最高分 444。作者指出，这一评分特征似乎印证了 OpenAI 的最新安全研究发现。