2025 年 7 月，METR（一家 AI 安全研究机构）发布了一项严格的随机对照实验，给出了一个出人意料的答案。
这样 Agent 可在真正执行前预检查参数是否正确，也增加了一道安全校验。4.输出分流与退出码 结果走标准输出（stdout），过程信息走标准错误（stderr）。
IsCompletedSuccessfully 则进一步保证操作已经成功完成，因此这时读取 Result 是安全的。
malloc 中 THP 页面大小的上限为 MAX_THP_PAGESIZE。如果 THP 页面大小超过 MAX_THP_PAGESIZE，则 malloc 中的 THP 功能将被禁用。
纵深则是语义嵌套的能力——他们用一个例子展示了 VSCode 界面里开着 Qwen 聊天窗口，聊天窗口里嵌着微信界面，微信里又有一张咖啡海报。