该论文研究了使用工具的LLM智能体在策略许可环境中可能出现的静默策略违反失败模式。当工具执行任何格式正确的调用时，即使对应的状态转换被领域策略禁止，工具本身和智能体的自我报告都不会暴露错误，导致静默的错误状态（如预订取消、乘客数量更改、未经核实处理索赔等）。作者在τ²-bench航空公司领域进行了实验，发现预算智能体中78%的失败是静默错误状态失败，且聚合失败率在不同随机种子间可复现。为此，他们提出了一种轻量级干预措施：在写入操作前添加确定性的只读预执行门控，检查提议的调用和当前状态。四个门控组成的套件将完整基准测试成功率从29.6%提升至42.0%（GPT-4o-mini，+12.4个百分点，P=0.0012），并在15个独立种子集上复现（+12.3个百分点，P=0.0008）。效果集中在门控触发的26/50个任务上（成功率提升+19.2个百分点），而未触发门控的24个任务变化不显著。两个负对照（自执行零售领域和BFCL）表明，门控在工具策略许可时有效，在工具已自执行时几乎没有帮助。作为提示性证据（非核心主张），同样的失败模式存在于前沿模型（GPT-5.2默认推理仍然尝试违反策略的写入，相同门控套件将成功率从61.2%提升至71.6%，+10.4个百分点，P=0.020，n=5，未复现）。论文的贡献是限定的评估和可靠性结果：确定性门控不能保证任务成功，但可以在动作边界确定性地防止一类已知的静默策略违反写入。适合对LLM智能体安全、策略执行和可靠AI感兴趣的读者。