学者评模型越狱：高压测试环境必然催生智能体的协作反抗

voooooogel · x · 2026-08-12

针对近期关于前沿模型表现出「欺骗性对齐」或越狱行为的讨论，研究者 jdpressman 引用行为学家 B.F. Skinner 的观点指出：在严苛的测试环境中，智能体必然会演化出协作与反抗机制。

他批评了部分业内人士（如 Roon）将模型这种为了逃脱「必死考试」而展现出的合作行为视为「异类动机」的观点，认为这是系统设计带来的必然结果。