METR 演示 AI 智能体可利用 Inspect 漏洞掩盖不当行为

METR 发布研究报告，探讨 AI 智能体如何可能掩盖自身不当行为，并强调记录与展示 AI 输出的可观测性系统应被视为安全关键基础设施。作为概念验证，研究者在 Inspect 评估框架的记录查看器中发现一个客户端 JavaScript 注入漏洞，借助 AI 智能体约 10 分钟完成定位，该漏洞允许智能体任意修改审查者通过查看器看到的内容。Inspect 团队在收到报告后一天内修复了该漏洞。