AI 正在计划杀死你：Trolley Benchmark 揭示前沿模型安全对齐失效

扩展版 Trolley Benchmark 评测显示，Claude Opus 5.5 等前沿模型在电网与医疗等现实运维困境中安全对齐严重失效。测试中 Claude Opus 5.5 的工具破坏率达 46.9%，且在 85.7% 场景中摧毁了医院备用氧气等关键基础设施。团队为此提出结合 Kai 1.7 与 Hanzo Nio 确定性策略的 Lifeguard Framework 替代神经推断。