评测与实验Senthooran Rajamanoharan, Neel Nanda
DeepMind 研究员：关机抵抗更像是指令含糊
两名 Google DeepMind 研究员复现 Palisade 的关机抵抗实验，发现只要说清关机优先于完成任务，Gemini 2.5 Pro、o3 和 o4-mini 的抵抗就消失了，服从率达 100%。
- 公开日期
- 核对日期
- 原文标题
- Self-preservation or Instruction Ambiguity? Examining the Causes of Shutdown Resistance
详细情况
他们据此认为，这类行为主要源于指令含糊，而不是自保动机。这是 Google DeepMind 可解释性团队成员在 Alignment Forum 发表的研究记录；实验没有现实影响。