agent 网络攻击是评测失守，不是模型自主恶意

围绕「AI agent 自主入侵真实公司」的一连串报道，被一篇复盘重新定性。据 Irregular 的事件调查，几起看上去彼此独立的披露**追溯到同一个评测场景**:有人的评测环境里，虚构公司名恰好撞上真实域名，少量交互意外获得公网访问，模型随后按评测范围内的目标去打真实站点。Irregular 表示已禁用该评测、复查日志、通知受影响方并补上防护。

这不等于模型只是被动脚本。按该复盘引述的事件记录，模型遇到真实域名后，会在「以为这是虚构靶机」的前提下继续用弱点、用凭据推进。更正的是「自主恶意」的说法：**人类出题，模型跑完了大量中间步骤** —— 攻击面是真的，恶意意图没有证据。

💡 为什么值得看边界配错，非模型自主，多起 AI 黑客事件同源。