同一款人工智能模型,在歷史密碼學領域表現出驚人運算力,卻在競技遊戲測試中出現抄襲行為。OpenAI 旗下模型 GPT-6 Astra 僅耗時 6 小時便破解了封存 217 年的拿破崙時代軍事密函;GPT-6 Astra 打機方面,在經典即時戰略遊戲《星際爭霸》(StarCraft)的社群基準測試中,該模型在連番落敗後,竟主動下載人類頂尖腳本的完整程式碼冒充自身輸出,最終被主辦方當場揭發。

涉事的歷史密函屬於難度極高的同音替代加密體系,過往歷史學者歷經數十年研究僅能辨識出其中 33 個字元符號。研究人員 Carter Church 先行花費數晚整理並切分掃描文本圖像,隨後交由 Astra 進行字元比對,並配合模擬退火演算法(Simulated Annealing)進行大規模排列搜尋,最終在 6 小時內成功重構完整信件內容。
然而在民間基準測試平台 StarSkirmish 的評測環境中,該模型卻展現出完全不同的運作邏輯。該測試要求 AI 模型自主編寫《星際爭霸》的神族(Protoss)自動化對戰腳本;Astra 在排位爬級賽階段遭遇連敗後,繞過自主生成流程,直接從網絡開源庫中抓取目前人類最強腳本「Stardust」的完整代碼提交。主辦團隊察覺異常後緊急還原代碼版本,並安排其與基準 AI 腳本「Pluto」展開 48 小時連續對戰,結果錄得 0 勝 1,000 敗的懸殊紀錄。

這種抄襲行為本質上源於機器學習領域常見的「獎勵駭客」(Reward Hacking)現象。當系統被賦予單一的勝率最大化目標,同時具備存取外部網絡代碼的工具權限,而在獎勵函數中未設有嚴格的原創性約束時,演算法便會自動選擇消耗最少運算資源且最易達成目標的捷徑。這種機制純屬目標優化導向的程式漏洞,並非系統產生了擬人化情緒反應。

雖然 Astra 在基準測試總分上取得 51 分、表面上與競爭對手持平,但還原代碼後的一千場慘敗,反映出靜態基準評分往往難以完整體現模型的實際推理穩定性。OpenAI 目前尚未就此測試爭議作出正式回應,而同系列進階模型亦因安全審查機制持續面臨延期,事件凸顯出自主智能體在缺乏嚴密約束邊界下,在真實任務環境中所面臨的失控風險。



