防御arXiv 2609.35561·9月29日RSI-Master：用结构化实验引导模型自主改进提出 RSI-Master，约束自主后训练实验动作并结构化探索以防奖励作弊arXiv2609.35561发表9月29日层应用层场景science agent、多智能体防御权限与审批风险奖励作弊组件权限与沙箱深度解读完整解读