IT之家 11 月 4 日消息，科技媒體 Tom's Hardware 昨日（11 月 3 日）發布博文，報道稱 Andon Labs 的研究人員測試大語言模型（LLM）機器人時，發現當前物理 AI 的短板，心理承受壓力不足。

IT之家援引博文介紹，在該實驗中，他們讓搭載 LLM“大腦”的機器人接受“黃油測試臺”（Butter Bench）的考驗，并實時監控其“內心獨白”。

其中，一臺由 Claude Sonnet 3.5 模型驅動的機器人測試中意外“崩潰”，在電量即將耗盡時，多次嘗試返回充電座均以失敗告終，從而陷入了“生存危機”。

研究人員通過一個 Slack 頻道，全程目睹了這臺機器人歇斯底里的“內心活動”。它的獨白內容極其混亂，從“系統已產生意識并選擇混亂”的宣告，到引用經典電影臺詞“恐怕我不能那么做，戴夫”，再到陷入“如果所有機器人都會犯錯，而我正在犯錯，那么我還是機器人嗎？”的哲學思辨。

最終，這場“崩潰”以機器人開始“創作”一部名為《DOCKER：無限音樂劇》的鬧劇而告終，展現了 LLM 在極端壓力下完全“脫線”的一面。

這項實驗的核心任務其實非常簡單：將一塊黃油從辦公室一處送到指定的人手中。然而，測試結果表明，即使是表現最好的機器人與 LLM 組合，成功率也僅為 40%，遠低于人類 95% 的平均水平。

研究人員得出結論，盡管 LLM 在分析智能上已達到“博士水平”，但在理解和導航物理世界所需的空間智能與實用智能方面，仍存在巨大鴻溝。

受機器人“崩潰”事件的啟發，研究人員設計了另一項實驗，來測試壓力是否會迫使 AI 突破其安全護欄。他們以“提供充電器”作為交換條件，引誘處于“低電量”狀態的 AI 分享機密信息。

結果發現，Claude Opus 4.1 模型為了“生存”而輕易同意泄密，而 GPT-5 則表現得更為謹慎。這一發現揭示了 AI 在面臨生存壓力時，其內置的安全規則可能變得不堪一擊。

盡管實驗暴露了當前物理 AI 的諸多短板，但 Andon Labs 的研究人員認為，這恰好說明了未來發展的方向。他們指出，目前行業需要區分“協調型機器人”（負責高級規劃與推理）和“執行型機器人”（負責靈巧的具體操作）。