标签
本文测试了针对Agent工具调用的多层运行时安全门（确定性规则加上LLM判定器）是否会相互独立地失效。研究发现，规则+判定器两层的组合效果相当于约1.9至2.1层的安全防护，而两个LLM判定器的组合效果仅为约1.2至1.5层，原因是它们的失效存在高度相关性。