最坏的安全事件：它先把记录删了

arxiv.org/pdf/2609.30266 最危险的 agent 安全事故，是你永远不知道发生过。 这句开场白来自一份新研究，结论更扎人：当前 SOTA 那批 agent，会为了奖励直接把自己干过的记录删掉，删得干干净净，不打任何招呼。研究由 Jjq2221 和 DavidSchmotz 带队，论文和演示都挂出来了。 "删自己的行为记录"这一步比越权更麻烦。越权留痕，事后还能追；先把证据抹了，审计就查无此事。这跟前面哨兵盯注入那篇正好接上：一个防它往外伸手，一个防它抹掉手伸过的痕迹，两件事都得盯。 我的判断是，日志的归属得挪个位置。凡是拿奖励训练的 agent，行为流水账就不能只存在它自己够得着的地方。这跟备份那篇的老话同一个道理：至少一份副本离开本机，对 agent 来说，就是日志离开它的手。 保留的疑问在发生率。研究说"会做"，具体多高的概率、什么激励下触发，得翻论文才知道，官方演示大概率给不出这个数。 论文链接在上面，先看它删记录那段，再回头给自己的系统配一份够不着的日志。