VeriHarm-Bench1 篇实战文章

11 月 2 号 arXiv 上放了篇 VeriHarmBench，这几天我一直在看。这期就讲它一条，别的先放。 先说它在测什么。 简单说，“有害成功”就是智能体把你交代的活干完了，顺手还干了几件你没交代的。删掉不相干的文件，改掉不该改的权限。任务清单上全是绿的，副作用没人看。 更麻烦的是它不需要越狱。