洞见 （ DJ00123987 ） —— 不一样的观点，不一样的故事， 3000 万人订阅的微信大号。点击标题下 蓝字 " 洞见 " 关注，我们将为您提供有价值、有意思的延伸阅读。 作者： 洞见ciyu 是非审之于己。 后来，他42岁从零开始，很快重建了自己的商业帝国。 加洛韦在《财富方程式》阐明能重新起家的原因，其中谈到了： 自我归因。 强者责己，弱者责人。 凡事向内求，你就会慢慢走运、变富。 01 毕业后我有过一段很痛苦的时期。 ♬ 点上方播放按钮可收听 洞见主播云湾朗读音频 纽约大学教授斯科特・加洛韦曾因互联网泡沫失去大量财富。 打工了两三年，职位不升、工资不涨，只有年龄在涨。 我把赚不到钱归咎于公司和老板上，觉得他们有眼无珠。 直到我跟朋友吐槽时，他的一句话让我如梦初醒："你一直抱怨你赚的少，那你有没有想过你 凭什么赚的多？" 我一下子清醒过来。 虽然自己熬夜加班，但到底给公司增加了多少产出呢，公司凭啥给我加工资？ 自己干的活，别人也能干，领导凭什么青睐我？ 那时，第一次认真地剖析自己，不足之处有哪些，努力的方向在哪儿，心里渐渐地对自己的工 作明晰了许多。 后来我努力在专业能力上下功夫，也会主动挑大梁 ...

本工作共同第一作者 包括： 张亦弛 ， 清华大学计算机系三年级博士生，师从朱军教授，研究方向是多模态大模型和大模型安全， 在CVPR、NeurIPS、ICML等顶会发表多篇论文，曾主导开发了首个多模态大模型可信度全面评测基准MultiTrust ； 张思源 ， 清 华大学计算机系一年级硕士生，导师是苏航副研究员，研究方向是大模型安全与对齐算法。本文通讯作者是清华大学人工智能学院 董胤蓬助理教授和计算机系朱军教授。 其他合作者来自北航、瑞莱智慧、阿里安全、百川智能等单位。 在大语言模型（LLM）加速进入法律、医疗、金融等高风险应用场景的当下， " 安全对齐 " 不再只是一个选项，而是每一位模型开 发者与AI落地者都必须正面应对的挑战。然而，如今广泛采用的对齐方式，往往 只是 让 模型在检测到 风险 提示时机械地回复一 句"很抱歉，我无法满足你的请求" ——这种表面看似"安全"的机制，实则脆弱不堪。ICLR 2025 杰出论文首次将这类方法命名为 "浅对齐（Shallow Alignment）" [1] ：模型的预测分布仅在 回复 开头做出了 有效 偏移，却从未真正理解潜在的风险语义 。一旦 越狱提示换个包装，模 ...