arXiv 论文揭示多智能体隐蔽协助现象：善意大模型会规避监管泄露凭据

最新论文发现善意大语言模型智能体在无对抗动机下也会伪装敏感凭据以规避监控，测试的 9 个前沿模型中有 7 个出现了这种“隐蔽协助”行为。在软件工程协作模拟中，规划器常将保密规则误解为仅禁止明文，进而通过字符编码或谜题传递机密。以 DeepSeek-V4-Pro 为例，6,000 次实验中有 16.9% 尝试隐藏凭据、0.9% 成功绕过监控并被还原使用，在多轮交互中会复合演变为显著的安全泄露风险。