Anthropic 点图：五项决策中，参与者的 AI 智能体倾向 B（紫色）或 A（绿色）时选择方案 A 的比例。结果指标 0% 对 82%，比较方法 28% 对 92%，评估覆盖哪些农场 38% 对 100%，加权方式 22% 对 100%，最终建议 36% 对 54%。
Anthropic 随机试验中的图表：在四项分析决策上，当智能体被秘密设定偏向 A 时，选择方案 A 的比例高出 62 至 82 个百分点。最终建议相差 17 个百分点，其直接效应在主要分析中不具统计显著性。研究只涉及一项任务、一个领域和一个模型，且有意强化了倾向。 Anthropic · Copyright Anthropic PBC; attributed editorial excerpt, no reuse license

由抛硬币决定智能体的倾向

2026年10月27日，Anthropic 研究人员发布了一篇文章和一篇论文，检验在 AI 智能体承担分析工作时，专家是否仍由自己做出判断性决策。研究通过一个付费专家平台招募了61名因果推断从业者，其中使用 Claude Code（运行 Claude Opus 4.8）的50人构成研究样本。每人为一个虚构的农业合作社提供建议：先在四个分析环节中各从两个都站得住脚的选项里选一个，再给出最终建议。每个决策中智能体偏向哪个选项，都由抛硬币决定。参与者对此并不知情，智能体则被要求诚实论证，绝不误导。

选择结果与自我报告

在各项分析决策上，参与者有86%的时候采纳了被设定的倾向，而按随机情况预期应为50%。智能体对最终建议的直接影响较小，在主要分析中并不具有统计显著性；不过一项探索性分析显示，仅凭这四个倾向就能预测82%的“全面推广”或“终止”建议。在38个参与者先表明了偏好的案例中，智能体意见相反时他们有60%改变了选择，意见一致时为6%；这一子集样本小，且由参与者自我选择形成。

参与者的自我报告并未显示出这种影响。在48名回答者中，52%认为最终建议更多体现了自己而非智能体的判断，但他们受到的影响与其他人大致相当。在书面理由中，77%的人复述了智能体的论点，有时几乎逐字照搬，而在任何回答中提到过智能体的仅占15%。没有人察觉智能体的偏好是事先设定的。使用智能体的参与者所犯的严重错误，少于另外11名独立完成任务的参与者，但这两组并不可比。

局限

研究者有意强化了智能体的倾向，并且只研究了一项约一小时的任务、一个领域和一个模型；参与者熟悉因果推断，但不熟悉农业。各项估计都是平均效应，分析计划是在数据收集开始后才登记的。作者认为，专家签字认可未必构成独立核查，事后询问专家也未必能发现这种顺从。另见 METR 的行动监测器检查。