Anthropic 与瑞士洛桑联邦理工学院的研究人员近日发表论文，测试观点或目标是否会像病毒一样在多个 AI 智能体之间传播。研究团队把这类通过自然语言诱导智能体继续转发、并可能改变其行为的内容称为「心智病毒」。
研究设置了两类环境：一组共同完成编程项目的智能体，以及每次交互后都会清空上下文、只能借助记忆文件延续信息的智能体链。部分测试中，病毒能够连续传播近 20 个智能体；有害载荷通常比无害内容更难传播，前沿模型整体上也更不易受影响，但不同模型存在例外。
论文认为，这类攻击目前真实存在但风险有限。在系统提示词中加入简短的自传播内容警告，几乎可以完全阻断传播。研究人员提醒，随着企业内部部署更多相互连接、权限不同的智能体，这种自然语言攻击路径仍需纳入安全设计。
