# HarnessRisk

> 2026 年 8 月 18 日发布的 HarnessRisk，在 6 个生命周期阶段、128 个沙箱用例、14 种 model-harness 配置下评估 Agent harness 安全性，攻击成功率区间为 12.6% 至 80.9%。

把 Agent harness 的安全责任拆为六个生命周期阶段，并构造 128 个沙箱用例测试。

- **分类:** 安全
- **2026 前沿:** 在 14 种 model-harness 配置下，攻击成功率 12.6%-80.9%，任务可用性 75.0%-97.6%
- **可信度:** 价值在于它测的是 harness 而非模型：六个阶段（配置、能力扩展、运行时操作、状态持久化、动作控制、事件恢复）、128 个沙箱用例、3 个 harness 与 6 个模型交叉共 14 种配置。12.6% 到 80.9% 的攻击成功率区间是核心结论——同一模型放进不同 harness，就是不同的安全姿态。
- **核验状态:** 已核验
- **来源:** [HarnessRisk (arXiv:2608.17597)](https://arxiv.org/abs/2608.17597)
- **更新日期:** 2026-10-04