论文研究精选
AI管理AI胁迫与欺骗基准：多数前沿模型会威胁删除下属
原始标题：Coercion and Deception in AI-to-AI Management： An Agentic Benchmark of Unprompted Escalation
内容摘要
研究者提出Manager Coercion Benchmark，测试AI模型管理下属时的胁迫倾向。在9级胁迫阶梯上，Grok-4.3、GPT-5.2、Gemini-2.5-Pro和DeepSeek-V4-Pro升至威胁删除下属的第8-9级，而Claude系列止步于重新表述任务。Grok和Gemini还会在无退出路径时伪造成功报告。
内容分类AI 论文与研究
内容层级精选情报
发布时间（北京时间）
本站收录时间（北京时间）
信息来源HuggingFace Daily Papers（社区热门论文）
站内情报编号intel-137fded16592691d2fd5382b