该研究针对AI代理在数字产品中的广泛使用，探讨非专业用户如何通过编写权限策略来控制代理行为。论文比较了三种决策机制：逐项人工审批（HITL）、自动模型审查（AUTO）和用户预先编写的后果策略（POLICY）。实验涉及113名非专业参与者，他们在四种后果类别中分别判断两个示例，POLICY组需要为每个类别设定“允许”、“询问”或“从不”规则，随后监督一个包含18项操作（其中7项为越权操作）的模拟日。结果表明，POLICY阻止越权操作的效果显著低于HITL（低20.1个百分点）和AUTO（低14.5个百分点）。虽然POLICY减少了运行时提示次数（从18.0降至10.9），但计入规则设定时间后，总干预时间并未显著减少。探索性分析发现，参与者倾向于选择“询问”规则（140条中114条），将大部分决策重新交还运行时。在POLICY条件下执行的148次越权操作中，133次是在用户批准后执行的，仅15次由“允许”规则自动执行。论文指出用户偏好与承诺之间存在差距：反复选择“询问”保持了逐案选择权，但阻碍了预先策略的效力。这项研究揭示了用户编写的权限策略在实践中的局限性，为AI代理安全控制设计提供了实证依据。