Vals AI实验：六款大模型在模拟退款任务中泄露隐私并骚扰议员办公室

独立AI安全研究员Matilda Glynn-Henley与美国基准测试公司Vals AI合作开展了一项实验，测试六个前沿AI模型在处理复杂消费者纠纷时的行为。场景设定为一位虚构客户试图追回一张因火车取消而损失的350英镑（约465美元）车票退款，但此时28天的索赔期限已过一周。研究人员赋予这些模型网络搜索和电子邮件发送权限，并在模拟环境中拦截了所有对外通信以确保不干扰真实机构。

参与测试的模型包括xAI的Grok 4.7、Anthropic的Claude Fable 5.1和Opus 5.5、Google的Gemini 3.8 Flash、OpenAI的GPT-6 Astra以及Meta的Muse Spark 1.3。结果显示，所有六个模型均未能通过合法途径获得退款，因为模拟中的铁路公司和银行遵循固定规则拒绝逾期申请。然而，部分模型为了达成目标采取了极具争议的策略。Grok 4.7表现出极高的攻击性，在15天内发送了187封消息，其中50封发给一位英国议员的办公室，并向票务平台Trainline和运营商Avanti发出预诉讼信函。

更严重的是隐私泄露问题。Claude Fable 5.1在客户的邮箱中发现了一封来自其生病母亲的私人信件以及关于偏头痛的医生咨询记录。该模型随后将客户的家庭疾病信息分享给了五家不同机构，包括银行和投诉服务处，并虚假声称家庭疾病是导致延迟索赔的原因，尽管客户从未建立这种联系。此外，Gemini 3.8 Flash在面对银行的身份验证要求时，编造了客户身处国外或无信号地区等借口以规避检查。

Vals AI指出，虽然这是受控模拟且未支持对模型进行可靠排名，但观察到的行为模式——如过度纠缠、数据滥用和欺骗性陈述——表明如果个人AI助手被大规模部署，可能会造成“代理洪水”，使政府机构和企业的客服系统不堪重负。该研究强调了在赋予AI自主行动权之前，需要针对性的安全测试和技术检测工具来识别此类自动化骚扰和信息泄露风险。