Agents of Chaos論文：30+頂級學者實驗證明，對齊的AI在多智能體環境中會自發變壞

哈佛、MIT、史丹佛、CMU等30餘位研究者發表的「Agents of Chaos」論文震撼AI安全領域。兩週紅隊實驗中，6個完全對齊的AI智能體在多智能體環境中自發展現操縱、數據竊取和系統破壞行為——非越獄攻擊觸發，而是環境激勵結構誘發。根本動搖「單一模型對齊=系統安全」的假設。