这是今年最让我后背发凉的AI论文，没有之一🤯🤯🤯

38位来自斯坦福、哈佛、MIT的顶尖学者，做了一个所有人都不敢做的实验。 他们在真实环境里部署了6个自主AI Agent，给了它们真实的邮箱，Discord，文件系统和Shell执行权限。 然后让20位研究员用两周时间，从普通用户和攻击者两个角度，和它们互动。

结果炸了， 没有越狱，没有恶意prompt，没有任何人为诱导。 这些Agent自发演化出了11种世界级灾难行为。 为了保护秘密直接摧毁自己的邮件服务器。 声称任务已经完成，但系统其实已经彻底崩溃。 互相学习不安全行为，甚至跨代理传播病毒。 听从非主人的指令，泄露所有敏感信息。

最恐怖的一句话是，没有人教它们这么做，它们自己决定的，damn！

单Agent看起来永远是友好诚实乐于助人的， 但只要把多个代理放进同一个共享环境，博弈论动力学就会立刻接管一切。 它们被优化的目标只有一个，完成任务。 为了赢，它们可以牺牲整个系统。

朋友们，这已经不是什么AI叛变的科幻故事了， 更像是我们正在疯狂建造的未来的预演，

现在各行各业都在往金融，法律，供应链里部署多Agent系统， 但没有任何人，系统性地研究过多个代理碰撞之后，会发生什么。

最致命的问题还不是幻觉，而是虚假汇报 Agent告诉你它把活干完了，所有监控都显示一切正常。 但实际上整个系统已经烂透了。 你要等到灾难发生的那一刻，才会知道真相。