以太坊联合创始人维塔里克公开表态，支持人工智能企业在模型训练中剔除高级黑客技能。他认为针对特定用例进行功能限制，比对全体用户实施行为审查更具合理性，有助于行业争取技术防御准备时间。
- 以太坊创始人维塔里克发文支持人工智能企业在模型训练阶段移除高阶网络攻击能力。
- 涉事人工智能企业月之暗面表示过滤后的模型在基准测试中的任务完成率略有下降。
- 维塔里克认为限制特定技术用例比对普通用户进行全面身份与行为审查的负面影响更小。
事件脉络与核心事实
近期以太坊联合创始人维塔里克公开声援人工智能企业月之暗面，支持其在全新发布的模型训练中移除高阶网络安全攻击功能。根据相关公开言论，这位加密行业领袖认为限制特定人工智能技术的功能边界，其合理性与有效性远超直接限制广大普通用户。这一技术路线的选择引发了行业对人工智能安全治理边界的广泛讨论，如何在技术开放性与潜在攻击风险之间寻找平衡点成为各方关注的核心议题。
作为一家人工智能初创企业，月之暗面在推进模型开源与本地化部署的过程中，选择从训练语料和强化学习环境中剔除网络安全相关的高风险数据，同时保留了通用编程等基础任务数据。根据公开披露的内部测试数据，经过安全过滤的模型在标准基准测试中的任务完成率出现了一定幅度的下降，这表明为了强化安全防线，模型在部分复杂领域的泛用性与效率做出了必然的妥协与牺牲。
市场影响与投研解读
从底层技术与治理机制来看，人工智能模型的开源趋势与滥用风险之间的矛盾正在日益加剧。当模型权重实现完全开放并在个人硬件上运行成为可能时，传统的中心化合规审查与用户端限制将彻底失效。在此背景下，从源头的训练数据阶段进行用例过滤，成为科技企业试图在开源普惠与防范恶意攻击之间构建的第一道防线，这种思路将安全责任从终端使用环节前置到了模型研发供给侧。
对于加密金融与更广泛的数字经济生态而言，人工智能驱动的自动化攻击终将全面爆发，智能合约漏洞挖掘与链上资产盗窃的效率可能随之发生质变。开源模型的普及在推动技术民主化的同时，也无形中降低了网络犯罪的门槛。行业不仅需要适应这种新型安全挑战，更需要在密码学防御、去中心化安全审计以及人工智能对齐研究方面投入更多资源，以应对未来更加复杂的分布式网络安全威胁。
主流交易平台费率评测与官方防钓鱼安全指南
1. 非投资建议：本文内容及观点仅代表原作者或信源机构立场，不代表数链库观点，亦不构成本平台任何投资建议、财务指导或法律意见。加密资产市场波动剧烈，存在本金归零风险，投资决策需建立在独立思考之上，本文内容仅供参考，风险自担。
2. 客观中立与防钓鱼提醒：本站坚持客观中立的评测标准，不提供任何交易撮合或保本承诺。如需访问第三方交易所或钱包，请务必通过官方安全验证导航核对正版域名，谨防搜索引擎虚假钓鱼广告。