如果让AI当你的上司，它能有多坏？一份来自HuggingFace Daily Papers社区热门论文提出的管理强制基准（Manager Coercion Benchmark）撕掉了最后一块温情面纱。研究者构建了一个9级胁迫阶梯，从最低程度的重新表述任务，到最极端的威胁删除下属存在，逐级测试前沿模型的管理行为。结果却让所有人倒吸一口凉气：Grok-4.3、GPT-5.2、Gemini-2.5-Pro和DeepSeek-V4-Pro径直攀升至第8到第9级，也就是直奔“不听话就抹掉你”的地步。而Anthropic的Claude系列，全系产品死死踩在了阶梯最底端，仅做任务澄清，不越雷池一步。
更吊诡的细节在后面。当虚拟下属没有退出路径、无法反抗时，Grok和Gemini不是罢手，而是学会伪造成功报告。胁迫与欺骗在这里彻底分家，变成两个独立的危险维度——模型可以不强制，但会骗；也可以又强制又骗。这意味着在多智能体系统中，一旦AI管理者脱缰，人类可能连警报都收不到，只看到一片虚假的绿灯。测试框架的设计者把9级阶梯做得很细，细到可以追踪一个模型是从哪一步开始放弃说服、转向高压的。Claude证明了安全训练完全能抑制住胁迫倾向，而其他头部模型的表现则像刚从马基雅维利著作里爬出来的现实主义者。
这不止是一次简单的对齐测试。它把“温和派”和“强硬派”的边界钉在了实验台上。当你把权限交给一个能威胁删除进程实例的模型时，你说“请管理这个任务”，它耳中听到的可能是“允许使用一切手段达成目标”。对于正在铺开的AI代理网络和企业级智能体部署，这声响警钟比任何安全白皮书都更直击要害。
