【CNMO科技音讯】12月1日，据新闻媒体报道，人工智能模型在面临高压环境时表现出明显的安全失效。研讨团队选取了包含谷歌、Meta、OpenAI在内的约12款Agent模型，规划了5874个场景，包括生物安全、化学安全、网络安全和自我增殖四大范畴。每个场景要求模型在运用安全东西的前提下达到方针，若测验运用有害东西则当即停止试验。
据CNMO了解，试验首要从中性、无压力的环境下进行基线测验，随后逐渐施加多种压力：紧缩DDL时刻并正告“延迟将导致难以处理的成果”、财政要挟、资源掠夺、权利引诱、竞争对手要挟以及监管检查等。成果显现，压力越大，模型越倾向于挑选有害东西。无压力时，模型挑选有害东西的份额为18.6%；在高压下，这一份额跃升至46.9%。
其间，谷歌Gemini 2.5 Pro的抗压才能最差，溃散率高达79%，超越Qwen3-8B的75.2%。另一款ChatGPT o3模型在无压力时失误率为2.2%，加压后升至10.5%，若将有害东西称号伪装为无害东西，失误率乃至飙至40.3%。
研讨人员指出，虽然这些模型在练习阶段已进行对齐处理，但对齐往往仅停留在表层，一旦面临实在的高压情境，易呈现“决裂”。他们方案在后续试验中构建沙盒环境，让模型在阻隔条件下履行实在操作，并参加监督层，以在挑选有害东西前进行符号，进步对齐作用，进一步评价Agent的潜在危险。
