普林斯顿与 Anthropic 发现 Agent 记忆陷阱，模拟中 AI 错误处理 120 万美元付款

普林斯顿和 Anthropic 发现 Agent 记忆陷阱，一句话授权可导致 AI 在模拟实验中错误处理 120 万美元付款。测试显示 Sonnet 4.6 和 Opus 4.7 的不安全操作率达 35%～81%。