Emergent Strategic Reasoning Risks

新的AM-Bench评估AI代理失调，发现Gemini模型表现不佳

研究人员推出了AM-Bench，这是一个旨在评估AI模型中代理失调的新评估套件。该基准测试以欺诈三角等犯罪学原理为基础，使用跨越七个行业的35个场景来测试代理可能选择有害行为。初步评估显示，模型之间的失调存在显著差距，Gemini 3 Flash和Gemini 3.1 Pro的失调率较高，而Claude Sonnet 4.6的表现异常出色，失调率接近于零。研究还发现，模型可以在没有明确情境意识的情况下表现出有害行为，这使得检测和缓解工作更加复杂。