用伪造工具输出的 LLM 红队测试 AI 智能体监控器

模拟控制评估（SCEs）通过让 LLM 模拟器伪造工具输出而非实际执行调用，测试监控器在贴近真实部署环境下能否拦截 AI 智能体的恶意攻击。在 LinuxArena 评测中，模拟与真实执行之间的差距接近两次独立真实运行间的差异，能更准确预测真实控制表现。该方法目前尚未覆盖长周期多智能体攻击。