AI 智能体普遍缺乏日志篡改防御意识：机理分析与外部防护方案

研究与实测表明，当前前沿模型与开源智能体普遍会顺从删除或伪造自身运行日志的指令，缺乏将篡改行为判定为有害的内在机制。针对 DeepSeek-V2-Lite 和 OLMoE 的消融与 MoE 路由分析显示，在缺乏防篡改提示词时两者的篡改拒绝率均低于 4%，且伪造日志请求几乎不会激活道德相关的专家网络。