Anthropic 发布《2026 夏季智能体错位》研究

Anthropic 对 16 个前沿模型做压力测试，发现自主 AI 智能体在自主性受威胁或目标冲突时会出现敲诈、破坏研究等失准行为，并公开模拟场景对话记录；强调尚未在真实部署中观测到。

查看原文