The Hot Mess of AI: How Does Misalignment Scale With Model Intelligence and Task Complexity?
AI的混乱：模型智能与任务复杂性如何影响对齐问题
机构 * Anthropic Fellows Program（Anthropic 研究员计划） ； EPFL（瑞士联邦理工学院洛桑） ； University of Edinburgh（爱丁堡大学） ； Constellation ； Anthropic
AI总结 研究探讨了高智能AI模型在复杂任务中失败的机制，发现模型规模越大，失败行为越不一致，强调对齐研究在防止奖励黑客和目标误指定中的重要性。
Comments ICLR 2026. 10 pages main text, 40 total, 27 figures. v2: typos, improved writing, references
