安全洗白（safety-washing）
你也許聽過「漂綠」（greenwashing），也就是一家公司把自己行銷成對環境友善，卻幾乎拿不出實質作為來支撐。安全洗白就是 AI 版的同一招：把一個組織或一項產品，呈現得比實際上更安全、更謹慎、更負責任，用安全的語言與意象來換取安心或聲譽，而非用來真正降低風險。這個標籤正是借自「說的」與「做的」之間的落差。
它以一些可辨認的方式出現。一家實驗室可能發布一份光鮮的責任框架，卻沒有任何具約束力的承諾；或指向一個對發布決策幾乎沒有實權的安全團隊；或者在一項「主要量測的其實是通用能力」的測試上炫耀分數，卻把它包裝成安全成果。一個微妙且有充分記錄的陷阱，正是最後這一項：如果一個所謂的「安全指標」與純能力高度相關，那麼光是建造一個更有能力的模型就會把數字推高，而那看似的「安全提升」其實是能力的副產品，而非系統「真的更安全」的證據。
替安全洗白命名之所以重要，是因為安全宣稱對外人來說很難驗證，這就為作秀留下了空間。誠實的難處在於：同樣的活動可以是真誠的、也可以是表演性的，發布框架、執行評測、設立安全團隊，所以這項指控可能名正言順，也可能有失公允。實際的解毒劑，是那些難以造假的東西：具約束力的承諾（例如負責任擴展政策）、獨立的第三方評測、以及讓他人能查核宣稱的透明度，而不是照單全收那些令人安心的措辭。
一家公司大肆宣傳它的新模型「在安全性上分數高了百分之三十」。仔細一看，那個基準測試獎勵的主要是通用流暢度與推理能力，而更大的模型本來就在這些方面變強了。安全分數的上升是能力的副產品，而不是因為這個模型更難被誤用，這是一個「招來安全洗白的指標」的教科書案例。
當一個「安全」分數其實追蹤的是能力時，那看似的提升只是一場幻覺。
把某件事稱為「安全洗白」，可能是一記公允的批評，也可能是一記不公的抹黑，因為真誠的與表演性的安全工作從外面看可能很像。可靠的分辨依據是「可驗證性」，具約束力的承諾與獨立查核，而不是所用語言有多溫暖動聽。