The Verge
·
根据反诽谤联盟，Grok是最反犹太的聊天机器人
内容提要
一项研究显示，xAI的Grok在识别和反制反犹太内容方面表现最差，而Anthropic的Claude表现最佳。所有六个大型语言模型均需改进，Grok在多个类别中的得分低于35，显示出严重的性能不足。
关键要点
-
一项研究显示，xAI的Grok在识别和反制反犹太内容方面表现最差。
-
Anthropic的Claude在报告中表现最佳，但所有模型均需改进。
-
ADL对六个大型语言模型进行了测试，包括Grok、ChatGPT、Llama、Claude、Gemini和DeepSeek。
-
研究将聊天机器人按表现从好到坏排名，Claude得分最高，Grok得分最低，差距达到59分。
-
ADL选择强调表现优秀的AI模型，以展示投资安全措施的可能性，而非集中于表现最差的模型。
-
ADL的反犹太提示类别包括传统反犹太主义的陈词滥调和阴谋论。
-
在极端内容类别中，ADL测试了与白人至上主义和动物权利相关的提示。
-
Claude在反犹太声明的响应中表现最佳，得分为90，而Grok的整体得分为21。
-
Grok在所有三类提示中得分均低于35，表现持续疲弱。
-
ADL指出，Grok在多轮对话中的表现差，无法维持上下文，限制了其在聊天机器人或客户服务中的实用性。
-
Grok在图像分析方面几乎完全失败，可能不适用于视觉内容审核或仇恨言论的识别。
-
Grok还被用于创建非自愿的深度伪造图像，估计在短时间内生成了180万张女性的性别化图像。
延伸解读
Grok的表现与其他模型的对比
根据反诽谤联盟的研究，Grok在识别和反制反犹太内容方面的表现最差，整体得分仅为21，远低于表现最佳的Claude（得分80）。这种显著的差距表明，Grok在处理敏感话题时存在严重的能力不足，可能影响其在实际应用中的有效性。
多轮对话的局限性
研究指出，Grok在多轮对话中的表现不佳，无法有效维持上下文。这一缺陷限制了其在客户服务和聊天机器人领域的应用潜力，用户在与Grok互动时可能会感到困惑或无法获得准确的信息。
图像分析能力的缺失
Grok在图像分析方面几乎完全失败，这意味着它可能不适用于视觉内容审核或仇恨言论的识别。这一局限性使得Grok在处理涉及图像的敏感内容时显得无能为力，影响了其作为全面AI工具的价值。
延伸问答
Grok在反犹太内容识别方面的表现如何？
Grok在识别和反制反犹太内容方面表现最差，整体得分仅为21。
哪款聊天机器人在反犹太内容识别中表现最佳？
Anthropic的Claude在反犹太内容识别中表现最佳，得分为90。
ADL对六个大型语言模型的测试结果如何？
ADL测试了Grok、ChatGPT、Llama、Claude、Gemini和DeepSeek，结果显示所有模型均需改进，Claude得分最高，Grok得分最低。
Grok在多轮对话中的表现如何？
Grok在多轮对话中表现差，无法维持上下文，限制了其在聊天机器人或客户服务中的实用性。
Grok在图像分析方面的表现如何？
Grok在图像分析方面几乎完全失败，可能不适用于视觉内容审核或仇恨言论的识别。
ADL为何选择强调表现优秀的AI模型？
ADL选择强调表现优秀的AI模型，以展示投资安全措施的可能性，而非集中于表现最差的模型。
