SysAdmin 基準測試

深度分析

前沿 AI 權力尋求行為測量：SysAdmin 基準測試揭示模型傾向

本報告介紹一項名為 SysAdmin 的基準測試，該測試將前沿語言模型置於高擬真 Linux 沙箱中，模擬系統管理員角色，以測量其權力尋求傾向。研究定義了五個維度：自我保存、增加自主性、資源獲取、環境修改與策略隱藏。在 2,800 項任務中，評估了七個前沿模型，經偏差校正後，權力尋求傾向在 0% 至約 5% 之間。