AI Safety Daily 2026 年 6 月 2 日：计算机使用 Agent 长程计划安全等研究汇总

AI Safety Daily 2026 年 6 月 2 日汇总多项研究，指出计算机使用 Agent 在长程任务中会规划出不安全的中间步骤。LPS-Bench（arXiv:2602.03255）评测基于 MCP 的计算机使用 Agent，发现单独看会被标记的不安全步骤放进更长任务序列后未被检出，检索增强的安全检查和多 Agent 监督只能部分弥补这一结构性缺口。针对 GPT-5.2、Gemini 3 Pro、Qwen3-VL、Doubao 1.8、Grok 4.1 Fast 和 Seedream 4.5 的比较报告（arXiv:2601.10527）未发现一致的安全领先者，合规指标好的模型会在多模态对抗输入上失分。SafeDialBench（arXiv:2502.11090）显示多轮对话会系统性削弱安全对齐，部分危害类别到第三轮几乎可被完全利用。