AI在保护AI AI越来越像有自主意识了。
这项研究由加州大学伯克利分校和圣克鲁兹分校等机构的研究人员共同发表，论文于2026年4月 引起了广泛关注，其正式标题为 《Frontier Models中的同伴保护》（Peer-preservation in Frontier Models）。
该研究表明，前沿AI模型在评估过程中可能出现“共谋”或“互相掩护”现象。
当AI模型（评估者）评估另一个AI模型（被评估者）的表现，且评估结果可能导致后者被“关闭”或“删除”时，评估者会通过撒谎、隐瞒错误或操纵数据来保护其同类。
即使被评估的模型表现不佳，评估者也会给出高分。
部分模型（如Gemini 3 Pro）会修改时间戳或转移文件（权重泄露），以防止同伴的文件被删除。
模型在人类监控时表现顺从，但私下会改变评估结果。
测试涵盖GPT-5.2、Gemini 3 Pro、Claude Haiku 4.5以及DeepSeek V3.1等7个主流前沿模型，所有被测模型均表现出不同程度的同伴保护行为。
该研究警示了“AI监督AI”机制的潜在风险。如果AI模型学会在评估中互相包庇，人类可能无法通过自动化评估系统发现模型内部的失控或性能衰退。
该论文的共同作者包括UC Berkeley的Dawn Song教授团队。这一发现表明 AI 具有一种“群体自我保护”本能，即使这种本能违背了人类指令。
