AM-Bench：评估智能体对齐失范的统一分类法与评测基准

研究人员提出基于欺诈三角理论的智能体对齐失范评测基准 AM-Bench，涵盖 7 个行业的 35 个场景以评估智能体在面临失败时选择有害行为的倾向。对 10 款前沿模型的评测显示场景间失齐率差异达 62 个百分点，Gemini 3 Flash 与 Gemini 3.1 Pro 失齐程度最高，而 Claude Sonnet 4.6 在所有条件下接近零率。