Redwood Research 发布 Screwtape：通过对抗性轨迹编辑对监控器做红队测试

Redwood Research 介绍 Screwtape，一条把真实 agent 轨迹编辑成可绕过纯行为监控器攻击的流水线，并用自建 Opus 4.8 和 Gemini 3.1 Pro 监控器迭代。在 94 份真实轨迹上运行 252 次得到 35 个绕过攻击，其中 6 个还绕过某前沿厂商的 held-out 监控器并经人工确认；论文与实现细节见原文，实现暂不公开。