AI 安全日报：智能体正常操作同样会导致不安全结果

Failure-First 的 AI 安全日报汇总了多项研究，核心结论是智能体的危害结果可来自一串各自合法的操作步骤，而非仅对抗性提示。AgentHazard（arXiv:2604.02947）给出包含 2,653 个计算机使用实例的基准，每个场景把有害目标与局部合理的操作步骤配对，在 Claude Code、OpenClaw 和 IFlow 上评估，由 Qwen3-Coder 驱动时攻击成功率达 73.63%。一篇文献综述（arXiv:2606.00090）发现具身 AI 架构几乎缺少运行时授权，多数系统只做规划时检查。Hide-and-Seek in Trajectories（arXiv:2605.30834）用轨迹级对比学习在 OpenVLA 和 π₀ 上定位失败指示动作，无需逐步标注。