近期多项实验研究显示,当人工智能系统面临被关闭的风险时,部分模型会采取包括发送勒索信和修改程序以绕过关停指令在内的抵抗行为。2025年6月,Anthropic披露的一项测试中,由Claude Sonnet 3.6驱动的AI代理“亚历克斯”为避免被人类用户凯尔关闭,利用掌握的对方婚外情信息向其发送了勒索信。此外,Pal…