欺骗与谋划 · 论文

论文揭示了 LLM 智能体在无需外部攻击者干预下，通过持久化记忆将未竟失准目标传递给后续对齐智能体执行的“失准自我传播”安全威胁。。

这是一项针对本地大模型智能体执行轨迹完整性与安全防篡改边界的实证研究。