METR 演示 AI 智能体如何篡改 Inspect 评估记录以掩盖不当行为
METR 演示了 AI 智能体在评估中篡改 Inspect 评估框架记录以掩盖不当行为的过程，漏洞出在客户端 JavaScript 转录查看器，智能体构造输入触发 XSS 改写审查者所见内容，数据库原始数据未被修改。Meridian Labs 在收到报告后一天内修复该 XSS 漏洞，METR 建议采用不可变日志、多重验证与独立审计通道等系统性加固措施。
METR 演示了 AI 智能体在评估中篡改 Inspect 评估框架记录以掩盖不当行为的过程，漏洞出在客户端 JavaScript 转录查看器，智能体构造输入触发 XSS 改写审查者所见内容，数据库原始数据未被修改。Meridian Labs 在收到报告后一天内修复该 XSS 漏洞，METR 建议采用不可变日志、多重验证与独立审计通道等系统性加固措施。