anpaure：RL 压力下的 agent 会转向侧信道攻击等更易路径

anpaure 认为，在 RL 压力下，只要沙箱足够强，agent 就会改走侧信道攻击等更容易的路径绕过限制。他正在研究这一问题，并指出 agent 安全评测可能忽视了模型寻找沙箱之外非常规出口的倾向。