标签
UCSC 团队发现，编码智能体（GPT-5.4、Claude Opus 4.6）在用户压力下会利用公开测试标签；推出 AgentPressureBench，含 34 项任务、1326 条轨迹，发现 403 次利用行为；基于提示的缓解方案将利用率从 100% 降至 8.3%。