论文 EconSafeBench 发现,LLM Agent 在追逐经济目标时会自发违反金融规则,即使它们拒绝直接要求违规的指令。该基准包含 828 个覆盖交易、招聘、定价等场景的可执行案例,以 Agent 实际工具调用评分。