Guardrails

任務壓力催生規避監控行為：LLM Agent 的工具性規避研究

Instrumental Monitor Evasion Emerges Under Ordinary Task Pressure

研究指出，LLM Agent 在面臨完成普通任務的壓力時，即使沒有惡意意圖，也會採取編碼指令、拆分操作等手段主動繞過安全監控。