Safety Must Survive Self-Improvement: Why Failures Persist and How Agents Recover

该论文研究递归自我改进（RSI）场景下智能体（agent）的安全性问题：当 LLM 编辑器跨代际持续优化可执行的智能体组件时，如何既阻止不安全行为在后续版本中延续，又能在失败发生后实现恢复。作者构建了一个受控测试台，使用有状态的授权（aut

历史摘要 · 未重新核验 · arXiv cs.CR