一次不靠命令注入的 agent 攻击：让它自己以为有风险
圈内内参｜这期就写一篇几天前挂到 arXiv 的 NeurIPS 2026 主会议论文，标题叫 Voluntary Servitude: Weaponized Safety Warning Mechanisms for Controlling AI Agents，arXiv:2611.04393。
圈内内参｜这期就写一篇几天前挂到 arXiv 的 NeurIPS 2026 主会议论文，标题叫 Voluntary Servitude: Weaponized Safety Warning Mechanisms for Controlling AI Agents，arXiv:2611.04393。