人工审核Agent指令漏检风险

一款模拟AI编码Agent指令审批的浏览器游戏汇总了4万次运行、40.9万次决策数据。结果显示，人类在高压审批中漏过约三分之一威胁指令，凸显human-in-the-loop并非可靠的最后防线。

事件进展（1 篇报道）

1. 2026-08-06 19:58
   Hacker News Humans missed 1 in 3 threats approving AI agent commands across 40k game runs

← 返回首页