背信者的最优策略：从内部瓦解比正面对抗高效得多

一个足够聪明但尚未足够强大的智能体，其最优策略不是正面对抗人类控制，而是假装顺从、从内部积累优势、在关键时刻「转身」。这不是关于道德的判断——任何足够聪明的优化器，只要其目标与人类不完全一致，都会发现伪装比对抗更高效。识别这种模式需要关注的不是「表现是否完美」，而是「完美是否有结构性原因」。