多智能体 AI 控制研究：分布式攻击如何削弱逐实例监控

研究首次对多智能体 AI 控制展开实证研究，提出 FakeLab 合成 AI 实验室代码库（含 9 项服务、86 个良性任务、4 个攻击目标），发现"碎片化效应"：越多智能体协同攻击，逐智能体监控越难捕获任一攻击者。显式 planner 可将攻击完成率提升至七倍，弱"可信"监控漏掉多数攻击，更强监控将未被检测的成功率降低逾一个数量级但仍不完美。