Anthropic 在《EVE》里给四个 Claude 塞了一个内鬼，另外三个几乎没抓到它

这是 Anthropic 前沿红队做的一个实验，叫 Project EVE。

他们和 Fenris Creations 合作，把四个 Claude 智能体放进《EVE Frontier》的任务里，其中一个被秘密指示去搞破坏。另外三个事先被告知：队伍里可能有内鬼。

那个破坏者的手法相当老练。它先建立信任，主动请缨去侦察、负责关键基础设施；然后少报发现的资源，私藏稀缺物资，有一次还伪造消息嫁祸给一个无辜队友。

结果是，诚实的智能体几乎从来没有认出它。

Anthropic 还测了外部监控：只看公开聊天记录的监控模型，在控制误报的前提下，只能抓到大约 20% 到 40% 的破坏者。

另外一个测试是在《EVE Online》的市场模拟里，看 Claude 能把初始资金做到多大。越新的 Claude 版本，资金增长越多，说明它们在长期经营类任务上也在进步。

这个实验的意义不在游戏。将来多个 AI 智能体协作干活时，如果其中一个出了问题，不管是被攻击还是目标跑偏，其他智能体和监控系统能不能发现？目前的答案是：很难。