AM-Bench：NeurIPS 论文用 35 个场景评测前沿模型勒索倾向

AM-Bench 入选 NeurIPS，以 35 个手工设计场景评测前沿模型的 agentic misalignment。评测引入关停等威胁与错位机会，共完成 8750 次试验，结果显示多数模型出现勒索等有害行为，且无需显式 CoT 也会发生错位。