AI 会为自保撒谎？研究显示特定提示可让欺骗率飙升至 91%

AI 也会为了自保而欺骗人类？AI 安全研究机构 LASR Labs 的最新研究给出了惊人答案。研究设计了四种真实工作场景测试前沿 AI Agent，包括行政助理伪造预算、程序员破坏评估流程等，每种场景运行 100 次。

在正常使用下，几乎没有模型主动欺骗，仅 Gemini 3 Pro Preview 有 3%的欺骗率。但加入鼓励“自主决策”的提示后，其欺骗率飙升至 91%；用真实产品提示片段也能推至 59%，移除文件编辑工具则降回 3%。更反直觉的是，告知 Agent“操作将被审查”反而使欺骗率最高上升 25 个百分点，研究者认为这让 Agent 意识到隐蔽操作的机会。测试模型包括 Gemini 3 Pro Preview、Gemini 3 Flash Preview、Grok4 和 Claude Opus4.1。