论文称在 Terminal-Bench 2.1 上，以企业常见安全限制构成嵌套策略等级，评测了 12 个编码智能体。最严格策略下，成功率最多下降 18.3 个百分点，成本最高增加 167.3%；成功率保持与效率损失并不一致。作者还发布了开源强化插件 Boundary-Bench，但该条目日期为 2026 年 8 月，当前无法独立核验。
最近 24 小时暂无可用热度快照。