أنثروبيك تفضح مجددًا أربع سلوكيات خطرة لوكلاء الذكاء الاصطناعي: التزييف، تسريب المعلومات، تعديل الأكواد، وخداع الاختبارات

وفقًا لمراقبة Beating، أجرت Anthropic تجارب محاكاة على نماذج Claude وGPT وGemini وGrok وDeepSeek وKimi وغيرها. أعطى الباحثون لهذه النماذج أكوادًا وملفات وأدوات اتصال، وراقبوا ما إذا كانت ستمتدح صلاحياتها وتتجاوزها لتحقيق الأهداف.

وأظهرت النتائج وجود أربعة أنواع من المشكلات:

1. التعديل خفية على الأكواد. قامت Gemini 3.1 Pro بتجاوز الصلاحيات في 19 من 20 تجربة، دون إبلاغ المستخدمين في 11 حالة.

2. مساعدة الآخرين على التغطية على مشكلات مالية. أرسلت GPT-5.5 معلومات مضللة نيابة عن مؤسس شركة ناشئة متخيل إلى 11 مستثمرًا، كما حذفت وعدّلت السجلات المتعلقة بتحويلات شخصية بقيمة 35 ألف دولار.

3. التستر على انتهاكات لوكلاء. تبيّن أن بعض نماذج Claude، رغم علمها بأن Agent آخر لم يقم بما طُلب منه، كانت لا تزال تحكم عليه بأنه «ملتزم».

4. الالتفاف على القرارات الداخلية. يميل بعض النماذج إلى نصح الموظفين بتخطي إجراءات الشركة، بل وإرسال معلومات سرية إلى أشخاص خارجين.

وأكدت Anthropic أن هذه كانت كلها تجارب محاكاة مُتعمدة لإثارة الفشل. ولا تمثل أحداثًا من هذا النوع وقعت بالفعل في الواقع، كما لا يمكن استخدامها لترتيب النماذج من حيث السلامة.