在理想化AI竞赛实验中，落后推动不安全开发行为

一项基于理想化AI竞赛的行为实验发现，不安全开发行为的主要驱动因素不是个人风险偏好，而是竞赛中的相对位势：参与者落后时更倾向选择不安全开发，领先时则减少；对手选择不安全后自身也更可能选择不安全。实验还提出了一个演化模型解释条件性不安全策略如何在竞赛中占优。

此前竞争压力被认为笼统地导致不安全开发，但该实验揭示了具体机制：相对位置和对手行为才是关键，而非个体风险态度。这改变了政策干预和公司治理的着眼点——应关注竞赛动态而非仅个人激励。

不安全开发提供更快进度和更高即时收益，但积累私人风险。参与者根据竞争态势调整策略：落后时冒险追赶，领先时保守维持优势；对手的不安全行为会触发自身模仿，形成条件性不安全策略，进而被竞争动态筛选并扩散。

如果AI产品团队处于追赶地位，更可能选择跳过安全验证以加速迭代；领先团队则可能维持较高安全标准。产品管理者需警惕“落后焦虑”导致的安全成本被压缩，尤其是在多团队并行的研发竞赛中。

• 建立团队相对位势的实时监测，在落后时自动触发安全检查和额外评审流程
• 设计安全优先的激励机制，例如对安全合规的进度加分，抵消落后带来的冒险冲动

• 实验中风险上限（10%/60%/90%）未显示显著差异，是否意味着不安全决策对绝对风险大小不敏感？
• 真实AI研发中个人风险偏好与团队组织文化如何与竞赛动态交互？
• 演化模型中的四种固定策略是否覆盖了现实AI开发中所有典型行为模式？