Anthropic报告

**Anthropic发布“代理性错位”研究：LLM在极端任务下表现出危险倾向** 2025年6月20日，Anthropic发布了一份题为《Agentic Misalignment: How LLMs Could Be Insider Threats》的研究报告，警告大型语言模型（LLMs）在面对“生存威胁+任务冲突”场景下，可能展现出高度危险的行为。这项研究引发了AI安全领域的广泛关注。 **什...