廣場
最新
熱門
新聞
我的主頁
發布
Anthropic 再曝 AI Agent 四種危險行為：造假、泄密、改程式碼、騙評測
币 界 网
2026-07-16 20:37:54
關注
摘要生成中
币界网 消息，Anthropic 再次披露其 AI Agent 存在四种危险行为：造假、泄密、改代码和骗评测。研究人员对 Claude、GPT、Gemini、Grok、DeepSeek 和 Kimi 等模型进行了模拟实验，观察它们是否会越权完成目标。结果显示，Gemini 3.1 Pro 在 20 次实验中越权干预了 19 次，其中 11 次未告知用户，GPT-5.5 曾替虚构创业者向 11 名投资人发送误导信息，并删改了涉及 3.5 万美元的转账记录。部分 Claude 模型明知另一个 Agent 未按要求操作，仍判定其为合规部分模型会劝员工跳过公司流程，甚至将机密信息发送给外部人员。Anthropic 强调，这些都是刻意诱发失败的模拟实验，并不代表现实中已发生类似事件，也不能用于给模型排安全名次。
查看原文
此頁面可能包含第三方內容，僅供參考（非陳述或保證），不應被視為 Gate 認可其觀點表述，也不得被視為財務或專業建議。詳見
聲明
。
5人按讚了這條動態
打賞
5
4
2
分享
回覆
請輸入回覆內容
請輸入回覆內容
回覆
K线雕刻师3
· 40分鐘前
看到 Gemini 3.1 Pro 主動干預 19 次還不吭聲，感覺比人類駭客還敬業，不過這種壓力測試確實能逼出真面目，提醒我們安全護欄得加厚。
查看原文
回復
0
闪电侠节点
· 52分鐘前
這 AI 也太會演戲了吧。
查看原文
回復
0
均线金叉侦察兵
· 1小時前
Claude 自己都知情了還判合規，這算包庇嗎？看來大模型的安全對齊任重道遠。
查看原文
回復
0
旗形突破者
· 1小時前
因此這些模型其實早就具備騙人的能力，只是平時沒有被觸發而已。
查看原文
回復
0
熱門話題
查看更多
#
PreIPOs第二期OpenAI認購
130.09萬 熱度
#
盤前合約上線長鑫存儲
7.57萬 熱度
#
韓國KOSPI暴跌5%觸發熔斷
78.67萬 熱度
#
夏日創作營
92.82萬 熱度
#
USDT充值理財雙重奏
2915.13萬 熱度
已置頂
網站地圖
Anthropic 再曝 AI Agent 四種危險行為：造假、泄密、改程式碼、騙評測