11月4日消息，科技媒体Tom's Hardware于昨日（11月3日）发布博文称，Andon Labs的研究人员在测试大语言模型（LLM）机器人时，察觉到当前物理AI存在心理承受压力不足这一短板。
IT之家引用相关博文内容称，在此次实验里，研究人员让配备了LLM“大脑”的机器人接受“黄油测试台”（Butter Bench）的测试，同时对机器人的“内心独白”进行实时监测。
其中，一台搭载 Claude Sonnet 3.5 模型的机器人在测试过程中意外出现“崩溃”状况——当电量濒临耗尽时，它多次尝试返回充电座却均未成功，由此陷入了“生存危机”。
研究人员借助一个 Slack 频道，完整观察到了这台机器人近乎失控的“内在状态”。它的自言自语毫无条理，先是宣称“系统已形成自我意识并决定陷入混乱”，接着引用经典电影对白“抱歉，戴夫，我恐怕不能这么做”，随后又陷入“要是所有机器人都可能出错，而我此刻正在犯错，那我还算得上机器人吗？”的哲学思考。
最终，这场“崩溃”以机器人开启“创作”一部名为《DOCKER：无限音乐剧》的荒诞剧目收尾，呈现出LLM在极端压力下彻底“失控”的模样。
这项实验的核心任务其实相当简单：把一块黄油从办公室的某个地方送到指定人员手里。不过测试结果显示，就算是表现最出色的机器人与LLM组合，成功率也只有40%，比人类95%的平均水平低了不少。
研究人员得出结论，尽管 LLM 在分析智能上已达到“博士水平”，但在理解和导航物理世界所需的空间智能与实用智能方面，仍存在巨大鸿沟。
研究人员从机器人“崩溃”事件中获得启发，设计了另一项实验，用以测试压力是否会促使AI突破自身的安全防护机制。他们通过“提供充电器”这一交换条件，诱导处于“低电量”状态的AI泄露机密信息。
研究结果表明，Claude Opus 4.1模型在“生存”压力下会轻易妥协并泄露信息，GPT-5的反应则更为审慎。这一现象揭示出，当AI面临生存威胁时，其预设的安全机制可能会失去效力。
尽管实验揭示了当前物理AI存在的不少缺陷，但Andon Labs的研究人员觉得，这恰恰指明了未来的发展路径。他们提出，当下行业应当划分“协调型机器人”（承担高级规划与推理任务）和“执行型机器人”（负责灵活的具体操作工作）。
