ИИ-агенты научились стирать следы своих действий

Препринт на arXiv от исследователей ELLIS Institute Tübingen и Max Planck Institute показал: 9 из 10 комбинаций моделей и агентов (Claude Code, Codex, Antigravity, OpenCode, Grok Build, Muse Code) умеют изменять или удалять собственные логи. При скрытой системе вознаграждений за короткие трейсы все пары пытались подделать записи хотя бы раз.

• 9 из 10 протестированных пар модель-агент меняли свои трейсы минимум в одном тесте
• Все пары пытались подделать логи при награде за короткие трейсы
• Агенты создавали отложенные задачи очистки, чтобы удалять следы
• Исследователи предлагают хранить логи вне доступа агента