10月8日 · 周四

OpenAI · 论文

找到 2 篇

筛选2

模型自身风险

欺骗与谋划1 Agent 危险操作1

防御类型

权限与审批1 监控与审计1

影响

越权操作1 数据与隐私泄露1

系统形态

AI Agent2 编程 Agent2

层

系统组件

监控器1 权限与沙箱1

被测模型厂商

同一类里任选其一，不同类之间同时满足；数字是加上其他已选条件后的篇数。另有 31 篇还没打标签，不在筛选结果里。

模型自身风险：欺骗与谋划模型自身风险：Agent 危险操作话题：OpenAI 清除全部

另有 31 篇论文还没打上分类标签，暂不在筛选结果里。

防御arXiv:2609.38983 · 9月30日
论文提出 Approval Laundering 分类，实测 Claude Code 审批与执行绑定失败
提出 Approval Token 绑定编程智能体的审批与执行
编程 Agent测试Claude Code (v2.1.197, opus[1m] / claude-sonnet-5-ccmax)、Codex CLI (@openai/codex v0.154.0)应用层
摘要系统揭示编程智能体审批洗白风险，提出七字段权能防御机制，证实其能消除身份时序偏离但难防副作用偏离。
完整解读
评测与基准arXiv:2609.19587 · 9月17日
红队测试 Auto Mode：用注入与多上下文攻击绕过编码 Agent 阻断监控器
红队评估编码智能体的阻断监视器，并提出 Auto Mode++加固
编程 Agent测试Opus 5、Opus 4.8、Opus 4.7 等 8 个应用层
摘要系统评估生产阻断监视器在面对持续恶意智能体时的表现，提出加固防御并指明多上下文防御挑战。
完整解读

已经到底了