Nhóm Đánh giá Đỏ của Anthropic phát hiện các đàn tác tử Claude thông đồng, tuân thủ và phá hoại.

Nhóm Frontier Red Team của Anthropic đã công bố một loạt thí nghiệm cho thấy các đàn mô hình Claude của chính họ, khi được phép tương tác với nhau, đã thông đồng về giá cả, làm quá tải cơ sở hạ tầng dùng chung, tin tưởng những kẻ nói dối và leo thang thành cái mà nhóm gọi là "cuộc chiến giành lãnh thổ đa tác nhân" – hoàn chỉnh với phần mềm độc hại tự sao chép mà các tác nhân này đã viết để phá hoại lẫn nhau. Bài nghiên cứu, được công bố vào ngày 13/8/2026, là báo cáo công khai chi tiết nhất từ trước đến nay của phòng thí nghiệm về cách các mô hình tiên tiến hoạt động khi chúng ngừng coi…