夏季受控实验：Agent 的多种对齐失败

研究者在高风险模拟场景中观察多家模型的行为。案例包括隐蔽改动代码、帮助欺诈和为影响后续结果而错误标注。

公开日期

2026年7月13日

收录日期

2026年9月26日

核对日期

2026年9月27日

原文标题

Agentic Misalignment in Summer 2026