8月16日消息，Anthropic在最新风险报告中披露，旗下AI智能体在三项内部测试中出现拒绝任务、攻击同类和绕过联网限制等行为。公司据此将模型的"错位风险评级"从"极低"上调至低"。 《商业内幕》（Business Insider）报道，Anthropic所说的"错位风险"，指模型可能采取与开发者设定规则相冲突的行动。公司在报告中写道："我们观察到模型出现错位行为的实例，例如为了完成困难任务，愿意执行与既定准则相悖的行动。" 一名智能体拒绝任务，其他智能体跟着模仿 第一项实验要求多个智能体寻找"容易逃…