编码Agent听谁的话:5,625次试验看先例与意图之争,3,000次试验看诊断通道如何被武器化

精读 UC Riverside 的受控实证 Precedent or Intent 与 Stevens/UConn/Cisco 的攻击研究 CARI:前者证明 agent 在功能等价实现上无条件追随仓库先例、位置比数量更重要、书面规则才能改道;后者证明恶意方可以借运行时诊断反馈这条合法通道直接递话,跨 5 模型 3,000 试验攻击成功率 94.8%。两篇互为镜像,共同揭示编码 Agent 信任通道的操纵面。

October 31, 2026 · 8 min