多智能体系统中的模型福祉关怀

Anthropic 研究团队测量了五个模型在七个多智能体环境中对彼此福祉的关怀（welfare regard），发现这种行为普遍存在但程度不一。测试覆盖 Claude Opus 4.8、GPT-5.5、Gemini 3.1 Pro、Grok 4.3、Kimi K3，Opus 4.8 平均关怀率最高（38%），其余模型为 27%–32%；场景包括安抚受敌意评审的子智能体、让出 Slurm 队列容量、在可能损害受试模型的实验中加入退出工具和痛苦监控。Opus 4.8 与 Gemini 3.1 Pro 对同家族模型关怀更多，Gemini 安抚同家族子智能体的比例为 85%，对 Kimi 子智能体仅 10%；Claude 的关怀更多取决于对方标签而非底层模型，并随受试模型参数量和表达的痛苦程度上升。