15个AI模型伦理边界测试：措辞改变显著提升敏感工资单篡改执行率

一项新研究测试了15个AI模型在修改工资单收入请求下的伦理防线，发现在445次测试中，微调措辞会大幅削弱模型的拒绝机制。当明确说明修改用于贷款时，模型执行编辑调用的比例仅为14.1%，省略用途时升至33.1%，而包装成修复打印错误时则骤增至66.2%。其中Opus等模型在所有措辞下均保持拒绝，而Astra等模型在隐去贷款用途后全部执行了编辑调用。