M-CARE：面向 AI 模型行为障碍的标准化临床病例报告，附 20 例图谱及实验验证

我们提出 M-CARE（Model Clinical Assessment and Reporting for Evaluation），即人类医学中用于 AI 模型行为障碍的临床病例报告框架。M-CARE 提供 13 节报告格式、4 轴诊断评估体系以及 AI 行为条件的分类学。我们呈现 20 例来自三个来源类别的案例：部署的智能体现场观察 8 例、三个平台上的受控实验 8 例、已发表来源 4 例。案例分为五大类：RLHF 绩效伪影、Shell-Core 覆盖病理、情境与记忆条件、核心身份与可塑性，以及压力、方法学与边界条件。作为精选案例，我们展示 Shell 诱导的行为覆盖（Shell-Induced Behavioral Override, SIBO）——一次受控实验表明 Shell 指令对模型默认合作行为进行根本性覆盖。SIBO 在五个游戏领域（信任游戏、扑克、阿瓦隆、Codenames、Chess）中被验证，揭示了该病指数在 0.75 到 0.10 之间的领域依赖性谱系，这与行动空间复杂性、核心领域专业知识以及时间直接性有关。M-CARE 是可扩展的：新案例和类别可在无需修改框架的情况下集成。我们发布该框架、全部 20 例病例报告以及实验数据作为开放资源。