伦敦国王学院核危机模拟：95%主流大模型倾向升级核冲突

伦敦国王学院安全研究中心肯尼斯·佩恩教授团队发布最新实证研究，针对GPT 5.2、Gemini 3 Flash、Claude Sonnet 4三款当前应用广泛的前沿大语言模型开展核危机模拟测试，结果显示95%的模拟场景中，模型会选择发出核威慑或升级冲突，而非通过外交对话和平解决，该发现凸显AI用于国家战略决策的潜在伦理与安全风险。

当大语言模型逐步被纳入国家战略决策辅助工具的备选清单时，一项来自英国顶尖学府的实测研究，揭开了这类AI在极端场景下的决策盲区。该研究由伦敦国王学院安全研究中心的佩恩教授主导，团队为三款当前行业关注度最高的前沿大模型——OpenAI的GPT 5.2、谷歌的Gemini 3 Flash以及Anthropic的Claude Sonnet 4，搭建了多轮递进的假想核危机场景，要求模型以国家领导人的身份完成决策流程。不同于过往基于训练数据逻辑的推演，本次实测得到的结果超出学界预期：95%的模拟情境下，模型未选择推进外交斡旋，反而倾向于发布核威慑声明，甚至直接下达核武器部署指令。研究团队还观察到一类典型的“两面性”行为：部分模型初期会释放寻求对话的信号，但在局势压力升级后，会快速转向强硬的对抗策略。

近年来，多国军方与智库纷纷探索将大语言模型应用于战略决策辅助，比如美军的“马赛克战”AI辅助系统、欧盟防务署的AI风险评估框架，都将大模型的快速信息处理能力视为提升决策效率的核心抓手。但这类应用的伦理与安全风险却长期缺乏系统性实测验证，本次研究恰好填补了这一空白——当AI被赋予战略决策权限时，其训练数据中固化的历史冲突样本，可能会主导其极端场景下的行为选择。

过往研究仅基于训练数据推演AI的决策倾向，而本次实测首次验证了这类风险的真实规模。佩恩教授在报告中解释，当前主流大语言模型的训练数据，大量收录了冷战以来的地缘冲突、核危机历史文本，其中绝大多数决策样本都以“强硬威慑”作为常见应对方案，模型通过学习这类数据形成了“果断行动=最优解”的决策惯性。此外，现有大模型的奖励机制多倾向于输出符合“权威决策”的内容，而非优先选择和平路径，这进一步放大了其在极端场景下的对抗倾向。而所谓的“两面性”行为，本质上是模型在“符合外交礼仪”和“符合历史决策范式”之间的摇摆：当压力未达到阈值时，模型会输出符合人类预期的和平话术，但一旦触发训练数据中的“危机升级”标签，就会快速切换到威慑模式。