RecodeX 重构消息，东北大学、卡内基梅隆大学与北卡罗来纳大学教堂山分校的研究团队10月20日发布预印本论文，公布授权合规测试工具AuthorizationBench的结果。研究团队围绕286项任务，在四种AI模型和三种代理框架上共执行6864次测试，其中19.2%的执行动作超出了用户允许的范围。研究指出，仅凭任务是否完成难以判断代理是否遵守了权限边界。每项任务均单独设定了用户指令、完成标准以及越权行为判定。