When "Do Not" Is Not Deny: Security Rules in CLAUDE.md vs Built-In Controls

该论文研究 CLAUDE.md 中自然语言安全规则与 Claude Code 内置控制（deny）之间的语义鸿沟。CLAUDE.md 中的“do not”是模型解释的自然语言指令，而 deny 是代理执行前阻止动作的内置控制。两者可表达相同

历史摘要 · 未重新核验 · arXiv cs.CR