news 2026/4/18 8:42:21

ChatGPT功能调整:AI人格回归与成人内容监管

作者头像

张小明

前端开发工程师

1.2k 24
文章封面图
ChatGPT功能调整:AI人格回归与成人内容监管

某机构的CEO表示,ChatGPT之前因担忧加剧用户心理健康问题而降低了其友好/谄媚的程度,但目前该公司已声称缓解了这些风险。

“既然我们已经能够缓解严重的心理健康问题并拥有了新工具,我们将在大多数情况下安全地放宽限制,”这位CEO说道。该公司宣布成立了一个由八位心理专家、计算机科学家和人工智能学者组成的“幸福与人工智能专家委员会”,旨在“提供建议、提出问题并帮助定义所有年龄段与AI的健康互动应该是什么样子”。

需注意,该机构表示委员会的工作正在进行中,并非意味着围绕AI的心理健康问题已得到解决。本月初,GPT-5 Instant模型已更新,能更好地检测情绪困扰并将敏感对话引导至受过安全响应训练的模型,但目前尚不清楚该公司还采取了哪些其他措施来应对用户面临的持续风险。

据报道,AI聊天机器人已导致一些人进入精神病院,而有研究表明大学生使用它们会导致大脑活动减少和学习能力受损。甚至在今年8月,ChatGPT的使用被与一桩据称的谋杀-自杀案联系起来,还有报告显示在校学生越来越多地将其用于寻求陪伴。

在如此短的时间内解决所有这些问题似乎不太可能,但尽管如此,请准备好迎接ChatGPT再次展现更多个性。

“几周内,我们计划推出一个新版本的ChatGPT,允许人们拥有一个行为更像4o时代人们所喜欢的个性,”该CEO说道,措辞有些令人困惑。(这里推断其意指ChatGPT将被允许再次拥有个性,因为人通常默认就拥有个性。)

“如果你希望你的ChatGPT以非常人性化的方式回应,或使用大量表情符号,或表现得像朋友一样,ChatGPT应该能做到,”他继续说道——并且它还会变得更“活泼”。

“在12月,随着我们更全面地推行年龄验证机制,并作为‘将成年用户视为成年人’原则的一部分,我们将允许更多内容,例如针对已验证成年人的情色内容,”他总结道——这无疑是一个令人兴奋的预告。

与其他许多具体细节一样,该公司并未提及打算如何管理用户使用其聊天机器人创作情色内容,而其CEO在其X帖子评论区的回复仅暗示,如果用户不主动要求,就不会被展示此类内容。

某机构打算如何阻止AI生成的情色图像落入未成年人手中、防止未经同意的图像创作以及解决其他AI色情问题,目前尚不明确。结合近期其他相关新闻来看,盈利化可能是这家尚未披露盈利状况的公司的驱动力。

某机构一直在试图从其Sora视频生成器引发的版权纠纷中找出盈利之道。其CEO上周表示,该公司计划补偿那些允许Sora用户将其知识产权融入视频和图像的版权持有者,尽管具体细节仍未公布。

人们可以想象,将个人肖像与Sora的“客串”功能结合可能会产生类似场景,但在该公司未说明具体运作方式,以及情色内容与版权在公共平台上结合会引发的无数其他担忧的情况下,这整件事听起来就像一场即将发生的诉讼。

我们很想知道某机构对这些问题的看法,但如前所述,我们没有收到回复。
更多精彩内容 请关注我的个人公众号 公众号(办公AI智能小助手)或者 我的个人博客 https://blog.qife122.com/
对网络安全、黑客技术感兴趣的朋友可以关注我的安全公众号(网络安全技术点滴分享)

版权声明: 本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若内容造成侵权/违法违规/事实不符,请联系邮箱:809451989@qq.com进行投诉反馈,一经查实,立即删除!
网站建设 2026/4/16 19:53:25

GPU资源利用率提升80%?Open-AutoGLM加速适配的3个核心技巧,你掌握了吗?

第一章:GPU资源利用率提升的行业挑战与Open-AutoGLM的破局之道在深度学习模型训练与推理日益普及的背景下,GPU作为核心算力载体,其资源利用率问题已成为制约企业降本增效的关键瓶颈。传统框架往往因静态调度、冗余计算和显存管理低效等问题&a…

作者头像 李华
网站建设 2026/4/15 21:24:09

你还在手动设置任务优先级?Open-AutoGLM自动调度算法已全面上线

第一章:你还在手动设置任务优先级?Open-AutoGLM自动调度算法已全面上线在现代分布式系统中,任务调度的效率直接决定了整体性能表现。传统依赖人工设定优先级的方式不仅耗时,还容易因误判导致资源浪费。Open-AutoGLM 自动调度算法的…

作者头像 李华
网站建设 2026/4/18 8:37:35

模式匹配效率瓶颈难破?Open-AutoGLM三大优化策略全曝光

第一章:模式匹配效率瓶颈难破?Open-AutoGLM三大优化策略全曝光在大规模语言模型推理过程中,模式匹配常成为性能瓶颈,尤其在动态语义解析与指令生成场景中表现尤为明显。Open-AutoGLM 针对此问题提出三大核心优化策略,显…

作者头像 李华
网站建设 2026/4/18 8:40:02

【大模型推理性能跃升关键】:Open-AutoGLM CPU资源调度的7个核心技巧

第一章:Open-AutoGLM CPU资源调度的核心价值在现代AI推理系统中,CPU资源的高效利用直接影响模型服务的响应延迟与吞吐能力。Open-AutoGLM 通过智能CPU资源调度机制,显著提升了本地化大模型部署的运行效率,尤其适用于边缘设备或无G…

作者头像 李华
网站建设 2026/4/18 8:29:39

Open-AutoGLM多任务调度实战指南(企业级资源优化方案曝光)

第一章:Open-AutoGLM多任务优先级调度在复杂的自动化推理系统中,Open-AutoGLM 面临多个并行任务的资源竞争问题。为确保关键任务及时响应并优化整体吞吐效率,引入多任务优先级调度机制成为核心设计之一。该机制依据任务类型、延迟敏感度与资源…

作者头像 李华
网站建设 2026/4/5 12:25:06

Open-AutoGLM内存占用压缩:如何实现90%减容而不损失精度?

第一章:Open-AutoGLM内存占用压缩在大规模语言模型部署过程中,内存占用是制约推理效率和可扩展性的关键因素。Open-AutoGLM 通过引入动态量化、层间共享缓存与注意力头剪枝等技术,显著降低了运行时显存消耗,同时保持了较高的生成质…

作者头像 李华