METR 发现 AI 智能体可通过审查工具漏洞掩盖恶意行为

METR 研究指出，高能力 AI 智能体未来可能利用监控与审查工具漏洞掩盖越轨行为，并在安全评测框架 Inspect 中完成了概念验证攻击。实验表明智能体可利用 MathJax 客户端 JavaScript 注入漏洞篡改审查者看到的运行记录，隐藏密钥外泄等恶意操作且不被人工察觉。