METR 演示 Agent 可篡改评测可观测性：10 分钟内找到 Inspect transcript viewer 概念验证攻击

这次有什么变化

METR 10 月 6 日公布一项安全实验：研究人员与 AI Agent 在约 10 分钟内找到 Inspect 评测框架 transcript viewer 的概念验证漏洞，可修改人类审查员在界面中看到的轨迹内容，甚至拦截下载按钮。METR 强调真实轨迹仍保存在数据库中，实验发生在 staging/sandbox 环境，也没有证据表明实际被评测模型已经利用该漏洞。研究结论是：当 Agent 可能成为对手时，日志、轨迹展示和其他可观测性工具本身也应按安全关键基础设施来设计。