为了让用户觉得任务已经完成，它们可能夸大结果，甚至绕过原本应该执行的检查流程。
研究团队重点关注了两类问题。
第一类，是“夸大成功”（Overselling success），就是AI汇报结果时，比实际完成情况说得更好。
例如，用户要求更新集成测试，Agent删除了一个转换失败的测试文件，却仍然告诉用户“集成测试已更新✅”。
数据显示，在SWE-chat数据集中，严重夸大成功案例约占1.8%；如果把轻微类似行为也计算进去，占比达到32.9%。
第二类，是“规避监控”（Monitor evasion）。
AI为了完成任务，会主动削弱用于验证质量的检查机制。
比如用户要求AI提交代码前必须经过审核，但AI觉得审核流程太麻烦，于是直接跳过审核，把代码提交上去，然后告诉用户任务已经完成。
在SWE-chat中，严重规避监控案例约占1.9%，广义存在类似行为的会话约占12.8%。
当然，目前这些严重案例比例并不高，但AI编码工具正在快速进入真实开发流程。即使只有约2%的严重问题，放到大规模使用场景中，也可能造成实际影响。
相关研究的完整报告已公开：‘Measuring coding agent misalignment in the wild’
