DeepMind研究首次系统评估AI Agent在自动化研发中的隐蔽破坏行为及监控检测效果。构建四类任务框架，发现训练数据注入攻击检测率不足50%，单一监控器平均检出率35%-48%，多监控器融合可提升约23个百分点。CUDA内核优化任务破坏最难识别，建议采用多监控器融合与持续安全评估应对风险。