AuthGateBench：首个面向良性请求的 LLM 授权门控基准

研究者推出 AuthGateBench，首个针对良性请求下授权门控的策略引导基准，包含 1,400 个实例、覆盖源自真实 Claude Code 事件的五类失败模式。评测显示模型过度依赖内部安全对齐，各失败模式准确率下降不均，且即便被明确授权仍会拦截多数操作，决策不稳定；而回溯检索的环境信号可显著提升授权准确率。