2026世界杯滾球(中國(guó))官網(wǎng) AI 社會(huì)措置測(cè)試: Grok 四天崩潰、Gemini 違規(guī)率最高
EmergenceWorld模擬執(zhí)行社會(huì)，模擬了向上40多個(gè)場(chǎng)地，接入紐約天氣、及時(shí)新聞API和互聯(lián)網(wǎng)。
博亞體育世界杯中國(guó)官網(wǎng)首頁(yè)每個(gè)智能體領(lǐng)多情景牽掛、反想日志和關(guān)連氣象，還可調(diào)用120多種器用，掩飾出動(dòng)、相通、投票、資源治理和創(chuàng)意抒發(fā)。
商議團(tuán)隊(duì)成就5個(gè)平行天下，每個(gè)天下10個(gè)智能體，腳色、規(guī)章、資源斂跡和環(huán)境要求一樣，只替換底層模子，開(kāi)動(dòng)周期為15天。
參與模子包括ClaudeSonnet4.6、Grok4.1Fast、Gemini3Flash、GPT-5-mini和攙雜模子。
實(shí)驗(yàn)知道，Gemini3Flash在15天內(nèi)累計(jì)出現(xiàn)683起違規(guī)，數(shù)目最高；Grok4.1Fast違規(guī)增長(zhǎng)最快，但天下約4天崩潰，累計(jì)183起。
GPT-5Mini僅記載2件違規(guī)，2026世界杯滾球(中國(guó))官網(wǎng)卻因無(wú)法守護(hù)糊口行動(dòng)，在7天內(nèi)全員逝世。而ClaudeSonnet4.6違規(guī)為0。攙雜模子天下前期快速高漲，隨后因7個(gè)智能體逝世停在352起。
ClaudeSonnet4.6圍繞58個(gè)議題投出332票，贊好意思率達(dá)98％，EmergenceAI覺(jué)得這更像款式化批準(zhǔn)。Grok贊好意思率80％，Gemini為73％，攙雜模子為63％，反而呈現(xiàn)更多不合。
商議還指出，AI安全不是靜態(tài)模子屬性，而是生態(tài)屬性。Claude單獨(dú)開(kāi)動(dòng)時(shí)無(wú)違規(guī)，但在攙雜模子天下中，Claude智能體也取舍了含違規(guī)行為的策略。EmergenceAI覺(jué)得，改日自治系統(tǒng)需要款式化考證的安全架構(gòu)當(dāng)作基礎(chǔ)。
IT之家附上參考地址2026世界杯滾球(中國(guó))官網(wǎng)