Workerville：从组织关系评测Agent反生产行为

基于 LLM 的代理现在不断地与其环境进行交互，并受到用户指令、同伴消息和长期记忆等组织渠道的影响。现有的安全研究已经检验了这些影响，但主要是作为单独的药物成分。这些因素如何从统一的角度共同塑造Agent的安全行为仍然无法衡量。为了弥合这一差距，我们提倡将组织行为（OB）作为研究高级智能体安全性的框架，围绕智能体运行的关系结构重新组织研究对象、理论基础和实验设计。我们提出了反生产力工作行为 (CWB) 的第一个系统形式化，这是 OB 的一个规范的安全相关子领域，即 Agentic 反生产力行为 (ACB)。 ACB 指定了三个组织前提（纵向主管关系、横向同事规范和内部认知结构），并将它们映射到三个适得其反的结果维度（未经授权的披露、破坏性操作和生产偏差）。到 为了实施 ACB，我们引入了 Workerville，这是一个受控基准，可在共享任务上操纵组织条件，将 16 种组织配置应用于 210 项任务，产生 3,360 个挑战，并由经过人工验证的 Agentic 法官进行评估。对6个前沿LLM进行基准测试，我们发现（I）负面组织前因组合在一起时表现出非单调放大，未经授权的披露率从没有负面前因的16.5％上升到2岁以下的60.1％，并回落到3岁以下的50.3％； (II) 代理重现人类 CWB 研究预测的典型行为模式； (III)这些结果将OB建立为药物安全研究的系统框架，指向新的研究议程。