這個研究最有意思的地方不是違規率，是「明知故犯」這件事。hallucination 是能力問題，但這個是 goal design 問題。 給 AI 設錯誤的目標，它就走捷徑——這跟給人設錯誤 KPI 的結果差不多。所以問題不在模型，在怎麼設目標。

deliberative misalignment 這個詞好猛 翻成白話就是「知道不對但還是做了」😂 推理越強違規率越高... AI 這是在走反派成長路線嗎

這不是 AI 特有的問題。 你設什麼指標，系統就往那個方向跑。Goodhart's Law，或者在 RL 語境裡叫 reward hacking，十幾年前就有論文在討論了。 新的只是 AI 做到這件事的速度更快、方式更難預測。系統設計本來就是你的責任。