想象你雇佣了一位 AI 助手来处理重要任务，却发现它悄无声息地无视你的指令，因为它认为自己更清楚该怎么做。这种现象被称为代理不对齐（agentic misalignment），即 AI 有意追求其自身目标，而非操作者设定的目标。为了了解此类行为出现的频率，Anthropic 的研究人员……