资讯摘要
论文提出用分支重放方法检验“代理读到注入内容时结果已定”的假设：将同一回合精确重放到读取注入的步骤后多次重采样。在四个AgentDojo套件中，无思考的Qwen3代理结果方差约0.91在读取时已确定，开启思考后降至0.62；思考降低Qwen3攻击成功率，却提高另外两个模型。作者报告单次运行标签与重跑结果最多35%不一致，建议基准对每任务重复运行。
要点速读
- 论文用分支重放将结果方差拆为读取时固定部分与之后决定部分，四个AgentDojo套件中无思考Qwen3约0.91方差在状态间，开启思考后降至0.62。
- 作者报告思考降低Qwen3攻击成功率但提高另外两个模型；从推理前缀重采样显示决策随推理逐步形成。
- 零样本思维链监控器漏掉已决定部分，较强监控与预判模拟下一步动作的lookahead监控接近前缀决定结果；单次运行标签与重跑最多35%不一致。
中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/10/20 21:06:32（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。