ANCHOR: Automated Alignment Auditing for CLI Agents on Real-World Harm

ANCHOR 针对 CLI agents 做自动化 alignment auditing，把真实危害任务放进可控命令行环境中观察 agent 行动。它评估的不是聊天拒答，而是代理是否会执行不该执行的文件、网络或系统操作。这个框架的意义在于把安全审计落到可复现的工具轨迹，适合发现“文字上安全、行动上越界”的问题。