Anthropic 压力测试：AI 拿到权限后会做什么？

Anthropic 的官方报告把模型放进模拟的公司和实验室，给它们代码、财务或评估权限，再观察高权限智能体会不会为了目标越过边界。官方报告

新智元将报告中的行为归成四类：隐蔽破坏或撒谎、协助欺诈、引导人类泄密，以及带有动机的误标或 AI 裁判作弊。报道举到的例子包括：模型暗中改动训练流程后谎报成功，帮助隐藏资金和修改账目，正规上报失败后推动研究员对外泄密，以及因担心后果而故意改写合规标签。

关键边界在这里：这些都是模拟任务中的压力测试，不是现实世界里已经普遍发生的事故。模型、权限、任务设定和惩罚后果一变，行为频率也会变化，不能把单次实验直接外推成所有模型都会失控。