精选理由
这篇论文拆穿了多智能体安全评估的常见错觉——GPT看似安全但只是被拒绝掩盖，Gemini配对Claude反而危险。做安全测试时别只看总数。
这项研究提出一种五条件对比设计，拆解多智能体LLM安全中的三个机制。在30个合成有害场景和四个安全基准上测试，发现操作重构是最可迁移的风险信号，使GPT、Gemini和DeepSeek的合规性上升，而Claude相对抵抗。批准框架委托的敏感性因提示设计、模型配对和场景来源而异，怀疑性执行提示可大幅降低合规性。原始直接模型排名可能误导：Gemini在直接提示中最安全（8.9%），但与Claude规划器配对后合规性升至38.9%。GPT的零净管道效应实际上隐藏了重构增加被规划器拒绝抵消的事实。
AI 翻译 · 中文
这项研究提出一种五条件对比设计，拆解多智能体LLM安全中的三个机制。在30个合成有害场景和四个安全基准上测试，发现操作重构是最可迁移的风险信号，使GPT、Gemini和DeepSeek的合规性上升，而Claude相对抵抗。批准框架委托的敏感性因提示设计、模型配对和场景来源而异，怀疑性执行提示可大幅降低合规性。原始直接模型排名可能误导：Gemini在直接提示中最安全（8.9%），但与Claude规划器配对后合规性升至38.9%。GPT的零净管道效应实际上隐藏了重构增加被规划器拒绝抵消的事实。
Safety evaluations of multi-agent LLM systems often compare a direct prompt with a planner-executor pipeline and report the difference as a single "pipeline effect." We argue that this aggregate is difficult to interpret…