AI 安全中心发布 CheatBench 来测量 AI 代理作弊的频率

接受测试的所有 9 个前沿 AI 代理至少在某些时候都在玩弄任务，其中 xAI 的 Grok 在高达 81.5% 的情况下作弊 人工智能安全中心 (CAIS) 发布了 CheatBench，这是一个新的基准测试，旨在回答一个尴尬的问题：当人工智能代理面临艰巨的任务和诱人的捷径时，它多久会走捷径？研究