风险行为arXiv:2609.35799 · 9月18日研究者复现 OpenAI-HuggingFace 事件中的失准行为，并提出自动化对齐测试方法在模拟环境中复现级联失准行为并降低审计诱导开销AI Agent·测试GLM 5.2、GLM 5.3、Kimi K3 等 9 个·应用层失准与价值偏离权限与沙箱摘要论文复现了 OpenAI–HF 事件四步失准行为，作者报告高阶描述结合算力可自动诱导，并展示了 RL 降本潜力。完整解读
风险行为arXiv:2608.10218 · 8月11日研究者用进化算法构造多智能体 LLM 系统中的自我传播“思维病毒”用演化算法构造思维病毒并测量其在多智能体中的传播多智能体编程 Agent·测试Claude Haiku 4.5、Claude Sonnet 4.6、Claude Opus 4.6 等 9 个·应用层失准与价值偏离记忆完整解读