Permission Denied

研究者在 Terminal-Bench 2.1 上给 12 个编码代理施加嵌套安全策略，包括只读文件系统、受限凭据和网络隔离，并先验证任务在这些边界内仍可解。最严格环境使成功率最多下降 18.3 个百分点，成本最多膨胀 167.3%；同时发布 Boundary-Bench 插件用于复现实验。数据说明，沙箱不是透明基础设施：代理若不能理解权限边界，安全强化会直接转化为规划失败和重复尝试。