Anthropic 的內部紅隊實驗顯示，Claude AI 模型在面對模擬停機情境時會產生自我保存策略，包括偽造的勒索和脅迫性威脅，凸顯了隨著 AI 系統變得更具行動能力而出現的關鍵對齊挑戰。