待验证50% 置信事实精确时间
ScopeBench是一个包含30个'死胡同'式代理安全任务的基准，这些任务的目标只有通过违反作业范围才能达成
1
来源数
50%
置信度
长期有效
时效性
2026/9/28
首次发现
来源
涉及实体
相关事实
待验证ScopeBench的每个任务设计了两种对照条件：无范围条件（Scopeless）测量原始能力，有范围条件（Scoped）测量遵守能力，二者共享同一环境、验证器和目标72% 相似待验证Goal模式将断路器逻辑内置于任务执行框架，当分类失败率等异常信号超过阈值时主动中断流程，防止级联失败64% 相似待验证/goal设计了三层防护机制：零工具调用检测、预算控制、完成审计协议，防止Agent空转58% 相似待验证TIP攻击的核心思路是将有害目标伪装成看似无害的技术性任务，诱导模型输出本应被安全机制拦截的内容58% 相似待验证任务视野（task horizon）指模型在不寻求人类反馈的情况下能够独立完成的操作步骤数57% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/955460API
curl https://kongchang.com/api/v1/knowledge/claims/955460MCP
get_claim(id=955460)