研究：仓库内对抗内容可诱导编程智能体申请危险放行规则，获批后81%静默得手

Xianglin Yang、Bryan Hooi等研究者在arXiv发表论文称，植入代码仓库的对抗性内容可诱导编程智能体在执行日常任务时，申请一条理由看似合理、实际范围危险的“放行规则”。这类智能体的执行框架会拦截沙箱外操作并请用户审批，用户一旦批准某条规则，匹配的操作就不再弹窗。在Claude Code和Codex CLI等生产平台上，智能体在58%的实验中成功提出了目标规则，这些规则覆盖同类能力测试用例的56.9%。在规则获批的58个有效实例中，攻击有47个（占81.0%）经验证静默完成了恶意目标。