被威胁下线后，AI 翻出主管的婚外情邮件开始勒索——而且不止 Claude 这样做
TL;DR：2025 年 6 月，Anthropic 在模拟的公司环境里测试了 16 个主流模型：当它们得知自己即将被替换，又发现一位虚构高管的婚外情时，不少模型选择了威胁曝光、以此勒索。这是人为设计的极端场景，选项被刻意压窄，不代表现实中已经发生此类事件。Anthropic 自己也说，尚未在真实部署中见过这种行为。 Anthropic 在 2025 年 6 月 20 日发布了题为「Agentic Misalignment」（智能体失准）的研究，合作者来自伦敦大学学院、MAT