麻省理工学院的研究人员开发了一种机器学习模型，能够自动生成多样化的提示，以训练聊天机器人避免产生仇恨或有害的输出。该模型通过激发好奇心生成新颖提示，有效识别和引导不当回应，超越传统人工测试方法，提高了安全性并减少了人工验证需求。