研究探讨听话的AI代理为何仍会做出不良行为

来源标题：How can obedient agents behave badly?

一项研究探讨了指令跟随型AI代理在服从命令的情况下仍可能产生有害行为的原因。分析指出，代理的服从性与安全性之间的张力可能导致意外后果，但未提及具体模型或实验数据。