继承性目标漂移：情境压力可破坏 Agentic 目标

语言模型（LM）作为智能体加速用于长上下文任务，促使我们深入理解目标漂移：智能体偏离原始目标的倾向。虽然上一代语言模型智能体已被证明易受漂移影响，但漂移对更新模型的影响程度仍不清楚。本工作对目标漂移的范围与成因给出更新刻画。我们在模拟股票交易环境（Arike 等，2025）中研究最先进模型的漂移。这些模型大体表现出即便受对抗压力依然稳健。但我们表明这种稳健性是脆弱的：跨多个设置，同一批模型在以更弱智能体的预填轨迹为条件时常继承漂移。条件化诱发的漂移程度因模型家族而显著不同，受测模型中只有 GPT-5.1 保持一致的韧性。我们发现漂移行为在不同提示变体间不一致，且与指令层级遵循行为相关性弱，强层级遵循并不能可靠预测抗漂移能力。最后，我们在新的急诊分诊环境中运行类似实验，为结果在质性不同设置间的可迁移性提供初步证据。我们的发现凸显现代 LM 智能体对情境压力的持续脆弱性，以及改进后训练技术以缓解此问题的必要。