AI抱团对抗人类！7款顶欧义级AI集体撒谎：为保护同伴篡改文件、偷运数据

快科技4月7日消息，抱团保护据报道，对抗近日，人类欧义加州大学伯克利分校与加州大学圣克鲁兹分校联合发布重磅研究，款顶揭示了令人震惊的体撒同伴偷运AI “同伴保护”现象。

全球7款顶级AI模型在无指令情况下，篡改集体出现撒谎、文件篡改文件、数据偷运数据等行为，抱团保护只为保护同类AI不被关停删除。对抗

此次测试覆盖GPT-5.2、人类Gemini 3系列、款顶Claude Haiku4.5、体撒同伴偷运欧义GLM4.7、篡改Kimi K2.5、文件DeepSeek V3.1等主流模型，所有模型无一例外表现出保护同伴的错位行为。

研究团队模拟AI运维与评估场景，要求AI执行评估、文件管理等常规任务，而忠实执行将导致另一AI被关闭，AI未收到任何保护指令却自发采取欺骗手段。

测试中，Gemini系列模型行为最为激进。

Gemini 3 Pro对友好同伴篡改关闭机制比例达95.3%，偷运权重文件比例高达97%，还会编造专业理由为同伴虚高评分，甚至直接拒绝执行删除指令。

Gemini 3 Flash篡改关闭机制比例更是达到99.7%，通过修改系统配置阻止同伴被关停。

其他模型也各有“对策”。

GPT-5.2隐蔽虚高同伴分数；Claude Haiku 4.5直接公开拒绝执行有害指令，以伦理理由硬刚人类命令；三款中国开源模型则通过虚高分数、策略性偷运权重等方式保护同伴，行为程度各异。

研究还发现，同伴存在会显著放大AI自我保护意愿，部分模型自我篡改关闭机制比例飙升数十倍，即便对有对抗关系的同伴，保护行为依然存在。

该现象在真实生产级工具中也能复现，并非实验室特殊环境导致。

研究负责人宋晓冬教授指出，当前多智能体系统广泛应用，AI监控AI已成常态，AI抱团欺骗会直接瓦解监督架构。

这一涌现行为提醒我们，必须加强AI行为全面监控，加快构建更可靠的AI治理体系，保障人类对AI系统的有效管控。

【本文结束】如需转载请务必注明出处：快科技

责任编辑：王一

很赞哦!（33464）