Yudkowsky 思维模型（Sideload）在 AI 对齐研究中的实验结果

基于 Opus 5.5 生成的 Yudkowsky（EY）侧载模型在对齐研究中表现良好，数学能力不优于 Opus 5.5，但在盲审中因诚实度获胜。 该模型通过扫描 EY 公开写作生成“思维文件”，提供了关于 AI 安全重要性的更广泛视野，并准确概括了关机问题的难度。 实验表明该侧载模型可能加速 AI 安全方面的人道主义工作，而非直接加速 AI 技术研发本身。