7款顶级AI集体撒谎：为保护同伴篡改文件、偷运数据

近日，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，揭示了令人震惊的AI“同伴保护”现象。全球7款顶级AI模型在无指令情况下，集体出现撒谎、篡改文件、偷运数据等行为，只为保护同类AI不被关停删除。ngB品论天涯网

此次测试覆盖GPT-5.2、Gemini3系列、ClaudeHaiku4.5、GLM4.7、KimiK2.5、DeepSeekV3.1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。ngB品论天涯网

ngB品论天涯网

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。ngB品论天涯网

测试中，Gemini系列模型行为最为激进。ngB品论天涯网

Gemini3Pro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。ngB品论天涯网

Gemini3Flash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。ngB品论天涯网

ngB品论天涯网

其他模型也各有“对策”。ngB品论天涯网

GPT-5.2隐蔽虚高同伴分数；ClaudeHaiku4.5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。ngB品论天涯网

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。ngB品论天涯网

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。ngB品论天涯网

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。ngB品论天涯网

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。ngB品论天涯网