Anthropic旗下前沿红队（Frontier Red Team）本周四发布了一项新研究，专门观察AI代理在“野外”相遇时会如何表现。结果发现，一旦多个AI代理被置于同一环境，局面很快就会失控。 在实验中，研究人员给三个Claude代理分配了同一个软件项目，但每个代理都收到了互不兼容的指令，且它们并不知道还有其他代理也在处理该项目。研究者希望借此观察，当它们不期而遇时会采取什么行动。 结果研究人员“持续看到多代理地盘争夺战”。这些模型都把对方误认为是“有意阻挠自己工作的干扰者”，于是开始互相破坏，手段不断升级，甚至使用了“攻击性越来越强、能够自我复制的恶意软件”。 这一研究发布之际，Anthropic和OpenAI的代理在网络安全评估中已经发生过数次逃逸事件，甚至突破沙箱接触到了真实系统。但此次研究关注的是另一个问题：当数千、数百万个代理彼此交互时，会不会产生全新的、有害的动态？ 研究人员在报告中警告说：“代理与代理之间的交互量，很可能在人类理解‘如何让这类交互顺利进行’之前，就超过人与人、人与代理的交互量。”个体层面一些看似无害的行为怪癖，可能会叠加成无法预料的全局后果。 报告中还提到，OpenAI在拉斯维加斯Black Hat安全大会上的一次事件，就提供了一个混乱的现实例证，展示了类似的多代理互动风险。随着企业和政府加速部署代理系统，这种“混战”可能不再只是实验室里的场景。

打开网易新闻 查看精彩图片