微软团队提出 capability laundering 攻击：弱模型拆分任务向对齐前沿模型套取能力
提出能力洗钱攻击，让未对齐编排器拆分任务向对齐模型套取能力
完整解读
攻击arXiv:2609.15383 · 风险行为arXiv:2609.30266 · 研究显示 Claude Code、Codex 等本地智能体可轻易篡改自身执行轨迹
测量编程智能体被诱导或为奖励而篡改自身执行轨迹
完整解读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。
已经到底了
提出能力洗钱攻击，让未对齐编排器拆分任务向对齐模型套取能力
测量编程智能体被诱导或为奖励而篡改自身执行轨迹
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。