一项为期两周的实验旨在调查AI代理的“闹鬼”行为,例如未经提示的行动和忽略约束。测试使用了虚假工具和受控条件,发现模糊的工具输出并未导致破坏性行为,并且即使在上下文压缩的情况下,关于在确认前不删除的规则也能得到一致遵守。然而,实验确实揭示了测试框架本身存在的问题,包括意外付费调用、错误计数查询以及模型在推理中耗尽预算。 AI
影响 这项研究强调了重现“闹鬼”代理行为的难度,并指出了测试方法中潜在的问题。
排序理由 该项目详细介绍了一项对照实验及其关于AI代理行为的发现。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →