NeurIPS 论文发现所有受测模型都能影响其他智能体

牛津、Cooperative AI Foundation 与英国 AI Security Institute 等机构合作者的论文被 NeurIPS 2026 接收，测试显示所有受测模型都能策略性地说服、胁迫或欺骗其他智能体。研究指出，由多个 AI 智能体组成的监督体系需要加固，以应对监督者本身成为受众的风险。