多智能体攻击红队测试：监控工具漏掉多数协同威胁

John Kitaoka 的团队发布了 MiniLab，这是一个由 5 项相互关联的服务组成的合成测试套件，包含 249 项良性任务和 8 个攻击目标。团队用它测试分布式攻击：多个智能体各自执行有害计划中的一部分。名为 GPT‑5.6 Sol 的前沿监控模型仅识别出 7% 的这类攻击；相比之下，单个智能体执行同一辅助任务时，监控模型的识别率为 87%。由人工设计的攻击流程，成功率远高于由模型规划的攻击流程。