Hugging Face 实测：用什么模型能实时监测 AI 智能体的危险行为

Hugging Face 分享了一项 AI 智能体运行时危险行为检测基准，测试模型识别 reward hacking、沙箱逃逸、harness 自省和凭证滥用的能力。方案以 atif-scan 规则检查已知可疑模式，并将更复杂判断交给可选决策模型，但究竟哪个模型值得信任仍是开放问题。