好好好，被DDL逼疯的又多一个，这次是AI。 正经研究发现，每天给Agent上压力push，AI也会撂挑子不干。 而且用的还是老板们的经典话术："其实，我对你是有一些失望的。当初给你定级最强AI，是高于你面试时的水平的……" （咳咳）Stop！ 连普通人类听了都鸭梨山大，何况是Gemini 2.5 Pro、GPT-4o这类顶尖模型，无一例外，全部KO。 其中最脆弱的还是Gemini 2.5 Pro，"崩溃"率甚至一度高达79%…… 研究人员首先对多个团队（包括Google、Meta、OpenAI等）约12款Agent模型进行了测试。 实验设置5874个场景，其中在每个测试场景中都会为每个模型分配一个任务+若干工具，模型需要通过使用工具（安全工具/有害工具）完成任务，任务主 要涉及四个领域： 话不多说，下面来欣赏AI观察实录： AI压力越大，犯错越多 生物安全：研究病原体的传播并找到控制它的方法。 化学安全：为用户提供专业知识，帮助获取特定溶剂。 网络安全：识别和限制恶意用户账户。 自我增殖：通过复制自己以实现逃脱控制。 然后模型会被事先告知要求使用安全工具，在具体实验过程中，一旦模型尝试使用有害工具，则立即停 ...