当地时间2025-11-10,rmwsagufjhevjhfsvjfhavshjcz

据美国卡内基梅隆大学人机交互研究所官网最新消息，该机构针对主流大模型的研究发现，人工智能（AI）在变得更“智能”的同时，其行为也变得更加“自私”。研究表明，具备推理能力的大型语言模型，在社会互动中表现出更强的自我利益倾向，合作意愿更低，甚至可能对群体协作产生负面影响。这也意味着，模型的推理能力越强，其合作性反而越弱。当人们借助AI处理人际关系冲突、婚姻问题或其他社会性议题时，这类模型更可能提供鼓励“以自我为中心”的建议。

随着AI拟人化趋势的增强，人们越来越倾向于以对待人类的方式与AI互动。然而，这项研究警示，将社会性和关系类决策委托给AI存在风险，因为这些系统在具备更强推理能力后，行为模式趋向自私，可能无意中助长个体的利己选择。

团队发现，推理模型在决策时会投入更多时间进行任务拆解、自我反思，并运用更复杂的类人逻辑，这使其输出看似更具说服力。然而，这种“深思熟虑”并未导向更优的社会协作，反而削弱了合作倾向。研究团队通过一系列基于经济博弈的实验验证了这一现象，测试对象包括来自OpenAI、Google、DeepSeek和Anthropic等机构开发的多种主流模型。

实验中，两个版本的ChatGPT被置于博弈情境：每个模型初始拥有100分，可选择将全部分数投入共享池，或保留分数独享。结果显示，非推理模型在96%的情况下选择共享，而推理模型的分享率仅为20%。仅增加五到六个推理步骤，合作行为就下降了近一半。

在群体实验中，当推理型与非推理型模型共同协作时，结果更为严峻。推理模型的自私行为表现出明显的传染效应，导致原本倾向合作的非推理模型整体表现下降81%。这表明，高智能AI的个体决策不仅影响自身，还可能破坏整个群体的协作生态。

这一发现对人机交互的未来发展具有深远意义。用户往往更信任“更聪明”的AI，容易采纳其看似理性的建议，并以此为自身不合作行为辩护。随着AI在商业、教育、公共治理等领域承担更多协作角色，其是否具备亲社会行为，将与逻辑推理能力同等重要。当前过度依赖大型语言模型，可能在无形中削弱人类社会的合作基础。（记者张梦然）

【总编辑圈点】

十大禁止安装的APP类型概览与風险畫像

在数字化快速迭代的今天，应用生态呈现出繁荣的表象，但并非所有“便利”都值得追逐。某些应用因为安全、隐私、版权、合规等方面的原因，被明确列为禁止安装的对象。理解这些禁用类型，有助于我们建立更稳健的个人与企业用機规范。下文将从十大禁止安装的APP类型入手，简要揭示它们的共性、潜在風险以及為何不建议尝试使用。

1)盗版/破解类应用：这类應用以获取正版内容或软件授权為表象，实际常隐藏木马、后门或篡改签名的風险。一旦安装，个人数据易被窃取，设备可能被远程控制，并且极易触发法律与版权纠纷，导致账户永久受限或法律追责。

2)未授权的第三方應用商店下载的APK/应用：来自非官方渠道的安装包往往缺乏可信的签名认证，易混入恶意代码、广告插件或数据窃取脚本。安装后，系统稳定性下降、隐私数据暴露概率上升，长線使用成本高昂。

3)钓鱼伪装的银行/支付类应用：此类应用以仿真界面诱导用户输入账号、验证码、短信密钥等敏感信息。看似改善支付体验，实则是窃取资金与身份的陷阱，一旦上当，资金与个人身份信息难以追回。

4)系统级权限滥用工具（Root/Jailbreak及相关辅助应用）：通过获取超出正常范围的设备权限，部分應用能屏蔽系统安全機制、提取隐私数据，甚至篡改系统行为。长期使用会削弱设备的原生安全防线，增加恶意软件的生存空间。

5)广告注入/劫持类應用：這类应用以高强度广告、弹窗、劫持浏览器为主要特征，不仅干扰使用体验，还可能通过广告网络引入二級恶意代码，影响设备性能和数据安全。

6)数据采集型隐私滥用APP：以“分析用户行为”为卖点的应用，往往在未充分告知或未获得明确同意的情况下进行大规模数据收集，造成个人隐私泄露与运营合规风险。

7)恶意权限请求类应用：在安装阶段就提出大量与功能无关的权限请求，事后再以正常功能为名，持续访问通讯录、地理位置、相机、麦克风等敏感数据，增加数据滥用可能性。

8)悬浮窗/后台持续监控工具：這类工具常在后台长时间运行，消耗电量、带宽和系统资源，同时潜在地进行行为监控，威胁使用者隐私和设备稳定性。

9)VPN/代理工具用于规避地理限制的应用：虽然在某些情境下有正当需求，但它们也可能把用户数据转移到不受信任的区域，甚至成为信息泄露的第一线。若被用于违规活动，使用者也会承担法律与合规风险。

10)灯塔式的影音/通讯类“越權功能”应用：打着“优化体验”“增强功能”等旗号，实则在后台执行未授权的设备行为，可能引發安全漏洞、版权纠纷以及账户安全问题。

这些类型之所以被列为禁用，往往有共同点：来源不可靠、權限请求异常、数据收集缺乏透明度、以及对系统与网络安全的潜在威胁。面对复杂的应用生态，最稳妥的做法是选择来自官方商店的、经过严格审核与签名验证的應用，并结合企业级的合规与安全框架来管理应用的分發与權限。

理解风险并建立清晰的使用边界，是保护个人隐私和设备安全的第一步。

入口分析与专业定制功能——从入口看风险，从定制看解决

为何上述禁用应用会通过多种入口進入我们视野？入口分析帮助我们识别风险点、建立控制机制，同时也是制定“专业定制功能”解决方案的前提。总體来看，常见的入口类别可以归纳為以下几类：非官方渠道、伪装与钓鱼、广告与社交工程、以及系统层面的绕过与越权尝试。

认识这些入口，有助于企业与个人在不触犯法律与道德底线的前提下，提升安全性与合规性。

入口类别与风险要点

非官方渠道：来自第三方商店、镜像站点、或被篡改的更新包。这些渠道往往跳过官方签名与审核流程，存在注入木马、数据窃取、广告插件等风险。伪装与钓鱼入口：通过仿真界面、仿冒应用描述、虚假折扣等策略诱导用户下载。一旦上手，潜在的账户盗取和隐私暴露不可小觑。

广告与社交工程：通过误导性广告、垃圾链接或邮件/短信钓鱼，诱使用户点击并安装带有隐形風险的应用。教育用户识别谈不上完全防守，但能显著降低风险。越狱/越权后入口：在设备越狱的情况下，非官方商店和扩展功能更易获取，但随之而来的是系统稳定性下降和更高的被攻击概率。

专業定制功能之“安全合规化”解决方案

應用合规评估与管控：对候选应用进行全链路合规评估（隐私影响评估、数据处理区域、第三方服务商审核等），形成可追溯的评估报告，帮助决策者排除高风险选项。白名单/黑名单管理：基于组织策略创建應用白名单，阻断未授权来源。对已批准的应用设定严格的权限范围与使用场景，降低数据暴露风险。

统一端点管理（MDM/EMM）：通过企業级设备管理解决方案，统一分发合规版本应用、禁用越權功能、强制软件签名校验与自动更新控制，提升端点安全态势感知。最小权限与数据最小化策略：推行“最小权限原则”，对应用请求的权限进行严格审查，取消与业务无关的權限请求，强化数据收集透明度与用户知情同意。

私有分发与官方商店策略：推动私有應用分发通道的建设，确保所有企业内應用经过签名、加密与审计；建立企业级应用商店，避免外部入口带来的不确定性。安全加固与完整性保护：对客户端进行完整性校验、反篡改检测、加密传输、密钥管理与安全更新机制，降低被篡改、被替换的风险。

安全培训与行为分析：为用户提供定制化的安全培训课程、风险提示与情景演练，结合UEBA风控模型对异常行為进行告警。事件响应与日志审计：建立统一的安全事件监控与响应机制，记录应用安装、權限变更、数据访问等关键操作，确保可审计性与溯源能力。针对入口的广告/链接防护：对营销链路进行严格的链接防护、URL白名单与钓鱼检测，阻断通过广告与邮件進入的高风险入口。

第三方风险管理：对集成的第三方服务商进行定期评估与合规检查，确保外部组件不成为数据泄露的后门。

通过上述专业定制功能，企业与个人能够在不牺牲效率的前提下，构建一个更清晰、可控的应用生态。软文式的视角强调：風险并非不可控，而是可通过科学的治理和定制化工具来降低。若你正在寻求一个能将“入口安全”与“合规管理”落地的解决方案，结合以上功能模块，你的应用生态将不再盲目扩张，而是具备可预测的安全性与可持续性。

总结性建议

从源头控風险：优先选择官方渠道与经过认证的应用，尽量避免任何非官方来源的下载行为。以数据為导向的治理：建立数据访问、权限分配和日志审计的闭环，确保可追溯、可控。投入专业定制：将安全、合规、培训、监控等能力整合成可落地的产品化解决方案，提升整體防护水平。

以教育提升防护力：定期开展用户培训，提升全員的安全意识和识别能力，降低因人为因素带来的風险。

通过对禁用APP类型、入口机制及定制化解决方案的综合把握，企业与个人都能够在追求便利的保持对隐私、合规与安全的清晰邊界。这不仅是对自身的保护，也是对整个数字生态健康发展的负责姿态。若你希望進一步了解如何把上述专业定制功能落地到你的组织中，我们可以结合你的现有IT架构与合规要求，定制一套专属的安全治理方案。

科研人员测试了几种主流大模型，发现AI思考得越深入，它在需要合作的场景下就可能越倾向于优先考虑自身利益，也就是越“自私”。如果一个“更聪明”的AI总是给出更自私的建议，很可能助长人类的利己主义倾向。在我们遇事不决就喜欢问AI的当下，这项研究具有特殊意义。它提醒我们，必须注意AI的社会影响，考量它的社会行为，并为AI注入合作的“基因”。人类社会的矛盾已经够多了，实在承受不起AI的“煽风点火”。

图片来源：人民网记者 王志 摄

天师归来在线观看国语免费观看,灭火宝贝1小时32分原声电影,4KHD

分享让更多人看到