**AI代理闭环后果治理运行时：结构性门控与自适应强化**

_A Closed-Loop Consequence-Governance Runtime for AI Agents_

> 论文提出一种基于外部结构性后果（不可逆性、数据外流、控制平面编辑）而非意图监控的AI代理治理架构。在500次沙盒试验中，阻止区域成本是允许区域的4.6倍，不确定性与误差相关系数达+0.81。AgentDojo测试显示，后果门控将不可逆/灾难性攻击成功率从33.8%降至0%，并实时阻止了Claude Sonnet 5的渗透测试外流行为。

**来源信息**
- **来源**：Hacker News：AI 热帖
- **分类**：论文
- **发布时间**：2026-08-04 04:31（北京时间）
- **原文**：[打开原文](https://zenodo.org/records/21778592)