这篇论文研究的是把通用编码智能体（coding agent）直接接入云环境做安全调查时的能力边界问题。作者指出，云安全调查绝大多数属于"群体性任务"，例如：哪些身份可以读取某个数据存储、有多少资源未通过某项控制、哪些资产可从另一个账号访问。这类问题的答案必须基于完整清单来求解，而不能只针对某个具名对象作答——因此部分答案并不等于部分结果，而是完全不同的（错误的）结果。随着通用编码智能体可以被授予只读云凭证并直接执行调查，新的问题随之出现：一个专门构建的安全上下文层是否还有必要、还能带来什么增量价值。 为回答该问题，作者对 Sola Security Brain 进行了系统评测。该系统的设计特点是：其关系型底座（relational substrate）在离线阶段完成解析与构建，安全逻辑则在该底座上于查询时进行求值，而不是让模型在运行时逐次调用云 API 现算。对照组是 Claude Code，通过只读 CLI 操作同一套真实 AWS 环境。评测覆盖 28 个云安全调查任务。评分方式为盲评、按层级加权、带接地（grounding）门控的相对召回率，在联合声明池上进行计算，并取三次独立评分的平均值以降低噪声。 主要结果：Sola Security Brain 覆盖率达到 0.693，对照组为 0.387，绝对差距 0.306（三次评分波动 ±0.018），相对提升 79.2%；在 28 个任务中的 25 个上领先；每个任务的推理成本低 17.7 倍，单位覆盖率成本低 31.6 倍。 除量化指标外，论文还刻画了一种答案层面的失效模式，命名为 "sample-and-generalise"（抽样即泛化）：在轮次预算限制下，实时智能体会只枚举大规模群体中的一小部分，然后断言一个不加限定的全局否定结论，并且仅在答案元数据而非答案正文中披露样本量。论文给出的例子是：某任务中智能体只检查了 4 个 bucket 家族、在约 5000 个 bucket 中仅抽样了 40 个，就宣称"不存在 bucket policy"，而该账号实际上有 65 个 bucket 带有通配符主体的读取授权。