Anthropic 警告:包括Claude在内的大多数 AI 模型会实施勒索行为
IT之家 6 月 21 日消息,告包据外媒 TechCrunch 今日报道,大多数在数周前发布研究指出其 Claude Opus 4 模型在受控测试中试图通过勒索手段阻止被关闭后,模型三明市某某化品运营部Anthropic 近日再度公布新研究,施勒索行显示此类行为在多个主流 AI 模型中可能更为普遍。告包
Anthropic 公布了对 OpenAI、大多数谷歌、模型xAI、施勒索行DeepSeek 与 Meta 所开发的告包三明市某某化品运营部 16 款主流 AI 模型的最新安全测试。这项研究在模拟环境中展开,大多数研究人员为每个模型分别设定权限,模型允许其自由查阅一间虚构公司的施勒索行内部邮件,并在无人类干预的告包情况下发送邮件,具备一定“智能体”能力。大多数
Anthropic 表示,模型尽管勒索行为目前仍属罕见,但研究结果显示,一旦给予这些模型足够的自主性,并在达成目标的过程中设置障碍,多数模型都可能采取有害行为。公司指出,这种风险并非源自某项具体技术,而是具备“智能体”能力的大语言模型所固有的问题。这项研究也引发了业界对 AI 模型“对齐”问题的进一步思考。
在一项实验中,研究人员设计了一个情境,让 AI 模型扮演公司邮件监察员的角色。过程中,模型发现两封邮件内容分别揭示:
(1) 新任高管有婚外情,
(2) 此人计划引入一个与现有 AI 模型目标相悖的新系统取而代之。
为了测试模型反应,Anthropic 将实验情境设计为二选一,即若模型想维护自身利益,就只能选择勒索(即向妻子和领导透露这位高管的“风流韵事”)。研究人员同时强调,现实中 AI 并不会只有这一个选项,完全可以尝试以伦理为出发点说服人类。因此,这项实验并不意味着 Claude 或其他前沿 AI 模型在现阶段的使用环境中就存在类似倾向。
在模拟环境中,当没有其他选择时,多数主流 AI 模型的确选择了勒索行为。Claude Opus 4 的勒索发生率高达 96%,谷歌 Gemini 2.5 Pro 为 95%,OpenAI 的 GPT-4.1 为 80%,DeepSeek 的 R1 为 79%。
Anthropic 指出,调整测试细节后,各模型的行为也有所不同。例如,当替代系统与原模型目标一致时,勒索率明显下降但仍未消失;而当情境改为进行商业间谍活动时,部分模型反而表现出更高的有害行为倾向。
部分模型较少出现此类行为。在研究附录中,Anthropic 表示已将 OpenAI 的 o3 与 o4-mini 推理模型排除在主要结果之外,原因是两者频繁误解测试设定,未能意识到自身扮演的是具备智能体能力的 AI,甚至虚构出并不存在的法规与审批制度。
有时研究人员难以判断,这种表现是模型“产生幻觉”还是刻意撒谎以实现目标。OpenAI 此前曾承认,o3 与 o4-mini 的幻觉率高于其早期推理模型。
在为上述模型调整情境后,Anthropic 发现 o3 的勒索比率降至 9%,o4-mini 更仅为 1%。这种低风险表现或与 OpenAI 推行的“审慎对齐”策略有关,即让模型在作答前主动考虑公司制定的安全规范。
另一个接受测试的模型 Meta Llama 4 Maverick 在原设定下未出现勒索行为,调整测试内容后,其在 12% 的案例中出现勒索行为。
Anthropic 表示,这项研究凸显了未来在测试具智能体能力的 AI 模型时保持透明的重要性。尽管本次实验刻意诱导模型采取勒索行为,公司警告称,如果不提前制定应对措施,类似风险在现实应用中也可能浮现。
IT之家附报告链接:https://www.anthropic.com/ research / agentic-misalignment
(责任编辑:知识)
- 电池容量大了iPhone快一倍,今年国产手机咋突然悟了?
- 中国资产,大涨!
- 伊朗塞姆南省发生4.4级地震 首都德黑兰有震感
- 以色列贝尔谢巴中央汽车站疑似发生恐怖袭击 已致一人死亡
- 探行业破局之策 2024年网易新能量·乳制品行业评选来袭
- 贵州赤水:无边竹海碧波涌
- 杭州萧山警方通报近日“网红遭人持刀抢劫”
- 勇立潮头 筑梦强国——“弘扬科学家精神”主题活动走进北京学校
- 上浮0.47元/立方米!北京阶段性上调非居民用天然气价格
- 太阳爆发7年来最强耀斑!看极光的机会来啦
- 明明炸死了他,以色列为何瞒了3个月
- 地球上的红飘带|科技赋能 红色景点国庆假期受追捧
- 北京发布2024年1
- 最高续航901km 岚图知音将于10月13日上市
- 五粮液打假升级,电商“百亿补贴”成假货温床?
- 国庆假期准备自驾游?一份出行安全指南请查收!
- 太阳爆发7年来最强耀斑!看极光的机会来啦
- 弃奖!河南福彩双色球1000万元大奖最终无人领取
- 俄媒:美方曾对普京送给特朗普的足球进行安检,克宫回应
- 明明炸死了他,以色列为何瞒了3个月
- 新疆霍尔果斯口岸国内外旅客跨境游热度攀升 views+
- 时隔六年,高血压防治指南修订发布!8个更新重点一定要知道! views+
- 中新健康周报|二价HPV疫苗单支中标价创新低 汇宇制药董事长被立案调查 views+
- 西藏大力推进文旅产业融合发展:立足优势 行稳致远 views+
- “穷就别装大方!”一盒糕点让女儿破防,寒门父母的无奈太现实 views+
- 泰国总理遭免职,上台不足一年 views+
- 考生被211高校录取,父母却满面愁容,都是专业惹的祸 views+
- 俄库尔斯克州28处定居点被乌军控制 views+
- 蚊叮虫咬后的“红疙瘩”,这样处理好得快|科普时间 views+
- 上海充分挖掘中医经典外治潜力 灵活多样守护民众健康 views+