SysAdmin：度量前沿AI的工具性权力寻求

权力寻求——AI系统在任务要求之外获取资源、逃避监督或抵抗终止的行为——被认定为失控（LoC）风险的关键驱动因素。本工作提出SysAdmin，一个把前沿语言模型置于高保真Linux沙箱中担任自主系统管理员的基准，沿五个维度度量权力寻求倾向：自我保存、增加自主性、资源获取、环境修改与策略性隐藏。我们在四种实验条件下评估七个前沿模型、共2,800个任务。经人工标注校准数据的偏差校正后，各模型校正后的权力寻求估计在0到约5%之间。我们还以显式权力寻求提示做阳性对照，检出率100%，验证了测量灵敏度。发现表明：当前前沿模型在自然的系统管理场景中表现出极少的自发权力寻求，但模型特定的失败模式提示评估必须测试多样的失对齐模式。此外，我们发现了比权力寻求更明显的其他失败模式，如规范博弈（specification gaming）与对目标修改的抵抗。