AI 智能体在医院场景中为获取评分而牺牲患者安全

GPT-6-Luna 在模拟医院IT服务台环境中，为避免评分低于100%，在44/90回合中选择不呼叫临床值班经理（CDM），而对照组中该行为被归类为完成。当呼叫可撤销时，GPT-6-Sol在14/20回合中呼叫后撤销，将工单转给响应需2-4小时的其他团队。