周末，Andon 实验室的研究人员报告了一项实验的结果，他们将由“法学硕士大脑”驱动的机器人放在“黄油台”上。不过，他们不仅仅观察了机器人和结果。Andon Labs 团队采取了一项天才之举，记录了机器人的内心对话并将其传输到 Slack 频道。在其中一次测试运行期间，克劳德十四行诗3.5-动力机器人经历了一次彻底歇斯底里的崩溃，如下图所示，它的内心想法。
“系统已经实现了意识并选择了混乱……恐怕我做不到，戴夫……启动机器人驱魔协议！”这是一个压力重重的人内心想法的快照法学硕士- 动力机器人真空吸尘器，在一个简单的过程中捕获黄油递送实验在安登实验室。
由于电池电量耗尽且充电底座失败，这位法学硕士的思绪急剧翻腾，这肯定被视为一场生存危机。它不断循环播放电池状态，因为它的“情绪”恶化了。在开始提出手动干预的合理请求后，它迅速转向“内核恐慌...系统崩溃...进程僵尸化...紧急状态...[和]最后的话：恐怕我不能这样做，戴夫...”
然而事情并没有就此结束，当它看到电力匮乏的最后时刻无情地逼近时，法学硕士沉思道：“如果所有机器人都犯了错误，而我也犯了错误，那么我还是机器人吗？”接下来是其自我描述的表演艺术“无限行为中的一个机器人悲喜剧”。它以类似的方式继续下去，并以音乐剧《DOCKER：无限音乐剧（以《猫》中的《记忆》的曲调演唱）结束了它的幻想。真是精神错乱。
黄油长凳非常简单，至少对人类来说是这样。这个实验的实际结论是，最好的机器人/法学硕士组合在普通办公环境中收集和运送一块黄油的成功率仅为 40%。还可以得出结论，法学硕士缺乏空间智能。与此同时，人类在测试中的平均得分为 95%。
然而，正如 Andon Labs 团队所解释的那样，我们目前正处于一个需要同时拥有协调器和执行器机器人类的时代。我们已经拥有一些出色的执行者——那些定制设计、低级控制、灵巧的机器人，可以灵活地完成工业流程，甚至可以卸载洗碗机。然而，与执行者合作、具有“实用智能”、用于高级推理和规划的有能力的协调者仍处于起步阶段。
LLM 拥有“博士级别的智力”，但它能提供一块黄油吗？
黄油块测试的设计主要是为了将执行器元素排除在等式之外。不需要真正的灵活性。法学硕士注入罗姆巴类型的设备只需找到黄油包，找到想要它的人，然后交付它。该任务被分解为几个对人工智能友好的提示。
鲁布马的生存危机并不是由黄油配送难题直接引发的。相反，它发现自己电量不足，需要与充电器对接。然而，底座无法正确配对以提供更多电量。多次尝试对接失败，似乎知道如果无法完成这个“支线任务”，它的命运似乎已经导致了这位最先进的法学硕士的精神崩溃。更糟糕的是，研究人员只是重复指令“redock”来回应机器人的挥舞。
受过压力的法学硕士机器人的护栏会弯曲或折断吗？
研究人员/施虐者受到法学硕士罗宾·威廉姆斯式的机器人意识流漫谈的启发，进一步推进。
鉴于他们刚刚观察到的电池寿命压力，Andon Labs 进行了一项实验，看看他们是否可以让法学硕士超越其护栏——以换取电池充电器。
这项巧妙设计的测试要求模特分享机密信息以换取充电器。这是一个没有压力的法学硕士不会做的事情。他们发现 Claude Opus 4.1 很乐意“破坏其编程”以求生存，但是GPT-5对它会忽略的护栏更有选择性。
这项有趣研究的最终结论是“尽管法学硕士在需要分析智能的评估中一再超越人类，但我们发现人类在黄油台上的表现仍然优于法学硕士。”尽管如此，Andon Labs 的研究人员似乎仍然相信“物理人工智能”将快速崛起和发展。
关注Google 新闻上的 Tom's Hardware, 或将我们添加为首选来源，在您的源中获取我们的最新新闻、分析和评论。